Multi-Anchor Offset Representation Based Coarse-to-Fine Diffusion Model for Human Pose Estimation

Qianxing Li

doi:10.1145/3716387

2025-02-07

PRE

DOI：10.1145/3716387

原文求助

摘要

En 中文

图像中的3D人体姿态估计（3DHPE）旨在从图像中估计3D关节位置。现有的3DHPE方法通常将损失函数定义为预测关节位置与关节真实值之间欧氏距离测量的误差，这混淆了具有明显不同特征的两类误差，且不应同等处理：由不同姿态结构引起的误差和其他误差。然而，现有的人体姿态表示方法不适合区分这两类误差。为了解决这一问题，我们提出了一种新颖的用于人体姿态的多锚点偏移表示（MAOR），它使用一组名为“多锚点”的选定高精度关节的偏移量来确定每个关节的位置。利用MAOR，与空间结构扭曲相关的姿态误差可以独立于其他误差进行测量，这有助于提高姿态估计的准确性。然后，我们提出了一种新颖的基于MAOR的粗到精扩散模型（MAOR-DiffPose）用于姿态估计，该模型分步优化不同类型的姿态误差。首先，设计了一种基于MAOR的去噪过程（MDP），通过使用MAOR描述姿态来显式优化3D姿态的空间结构，并通过提取视图无关特征来提高MAOR-DiffPose的归纳学习能力。其次，设计了一种由MAOR辅助的关节坐标去噪过程（JCDPaM），通过结合MAOR与基于关节坐标的姿态表示来有意义地扩展输入特征，并在MAOR的辅助下优化3D姿态的关节坐标。MAOR-DiffPose通过迭代MDP和JCDPaM模块实现了准确的3DHPE。在广泛使用的3DHPE基准数据集Human3.6M和MPI-INF-3DHP上的全面实验结果表明，所提出的方法与当前最优方法相比达到了具有竞争力的性能。

Keyword:

Human Pose Estimation

Diffusion Model

Human Representation Model