ESMformer 姿态估计网络
自监督免 3D 标注
无需 3D 姿态标注和先验人体模型,依靠误差感知自监督学习,从多视角 2D 关节中恢复精确 3D 人体姿态。
Lijun, Zhang · Kangkang, Zhou · Feng, Lu · 李正浩 · Shao, Xiaohu · 周祥东 · 石玉
Pattern Recognition 2025
参数信息
- 无需任何
- 3 D
技术优势
免 3D 标注
采用误差感知的自监督学习策略,模型完全不依赖 3D 姿态标注。
抗错误 2D 输入
根据 3D 预测误差自适应选择可靠的输入 2D 姿态,减轻错误 2D 姿态的影响。
计算开销低
在达到最先进精度的同时保持低成本计算复杂度,适合实际部署。
应用场景
- 3D 人体姿态估计:在无需 3D 标注的情况下获得精确 3D 姿态,降低数据获取门槛。
- 多视角动作捕捉:利用多视角 2D 关节序列直接恢复 3D 动作,替代昂贵的标记动捕系统。
- 无标注姿态学习:提供免 3D 标注的训练范式,适用于标注成本高昂的场景。
- 低标注成本视觉系统:构建低标注成本的姿态估计系统,减少人工标注工作量。
- 机器人动作理解:为机器人提供精确的人体姿态信息,助力动作理解与交互。
相关科技单元