对最近的深度学习方法进行系统审查,用于3D人类姿势估计

科学领域:

• 计算机视觉 计算机视觉
• 机器学习 机器学习
• 人工智能的人工智能

背景情况:

• 深度学习已经彻底改变了3D人类姿势估计.
• 现有的调查往往缺乏深度或新的分类.
• 需要对单眼,视频和多视图方法进行全面的,最新的审查.

研究的目的:

• 系统地审查最近用于3D人类姿势估计的深度学习方法.
• 通过对超越学习范式的方法进行分类,提供一个新的视角.
• 作为该领域研究人员的关键资源.

主要方法:

• 系统性文献审查方法.
• 专注于单眼图像,视频和多视图相机.
• 基于视频和相对/绝对姿势的跨模型的分类,用于多人估计.

主要成果:

• 基于图像的方法的比较,包括2D模型.
• 基于时间建模的基于视频的方法分析.
• 在多人场景中的相对和绝对姿势估计之间的区别.

结论:

• 该调查提供了对最先进的3D人体姿势估计的详细概述.
• 新型分类增强了对各种方法的理解.
• 确定了对姿势估计的深度学习中的有希望的未来研究方向.