以下內(nèi)容來自小六的機器人SLAM學習圈知識星球每日更新內(nèi)容

點擊領取學習資料 → 機器人SLAM學習資料大禮包

#論文##開源# ACM Multimedia 2023|清華阿里等發(fā)布PoSynDA: 多假設姿態(tài)合成域自適應的魯棒3D人體姿態(tài)估計

【PoSynDA: Multi-Hypothesis Pose Synthesis Domain Adaptation for Robust 3D Human Pose Estimation】

發(fā)表單位：清華大學、阿里DAMO、卡內(nèi)基梅隆、華盛頓大學、浙大

開源代碼：GitHub - hbing-l/PoSynDA

文章鏈接：[2308.09678] PoSynDA: Multi-Hypothesis Pose Synthe...

由于目標域訓練集中2D - 3D姿態(tài)對的稀缺性，目前的3D人體姿態(tài)估計器在適應新數(shù)據(jù)集方面面臨挑戰(zhàn)。為了克服這個問題，我們提出了多假設位姿合成域適應( PoSynDA )框架，該框架不需要大量的目標域注釋。PoSynDA利用以擴散為中心的結構，模擬了目標域中的三維姿態(tài)分布，填補了數(shù)據(jù)多樣性的空白。

通過融合多假設網(wǎng)絡，創(chuàng)建多樣化的姿態(tài)假設，并將其與目標域進行對齊。特定目標源增強通過解耦尺度和位置參數(shù)從源域中獲取目標域分布數(shù)據(jù)。師生范式和低階適應進一步細化了這一過程。PoSynDA在基準測試程序Human3.6 M、MPI - INF - 3DHP和3DPW上表現(xiàn)出優(yōu)異的性能，甚至可以與目標訓練的MixSTE模型相媲美。這一工作為三維人體姿態(tài)估計的實用化鋪平了道路。