关于单眼3D人体姿势估计技术现状的调查:方法,基准和挑战

科学领域:

• 计算机视觉 计算机视觉
• 机器学习 机器学习
• 深度学习 (Deep Learning) 是一种深度学习.

背景情况:

• 单眼RGB摄像头的三维人体姿势估计 (3D HPE) 对于动作识别,元宇宙,自动驾驶和医疗保健等应用至关重要.
• 最近的深度学习进步,特别是状态空间模型 (SSM) 和扩散模型,已经显著改善了3D HPE.
• 现有的系统审查缺乏对这些新兴技术的全面覆盖.

研究的目的:

• 提供对3D HPE近期创新方法的首次全面分析,特别关注扩散模型和SSM.
• 分类和分析各种技术,强调它们的优点,局限性和创新.
• 讨论挑战,数据集,评估指标和单眼3DHPE的未来研究方向.

主要方法:

• 系统审查和分析最近关于3DHPE的文献.
• 使用扩散模型和SSM的技术的分类和比较.
• 深入讨论诸如深度模糊性和封闭性等挑战及其解决方案.

主要成果:

• 识别和分析了利用扩散模型和SSM的创新3DHPE技术.
• 详细介绍了该领域常用的数据集和评估指标.
• 在单视图3D HPE中审查了对深度模两可和封闭问题的有效解决方案.

结论:

• 该调查提供了利用扩散模型和SSM对3DHPE最新进展的结构化概述.
• 它解决了关键的挑战,并强调了未来的研究途径,包括大型语言模型 (LLM) 的集成.
• 这项工作为研究人员和从业人员在3D人类姿势估计领域提供了宝贵的资源.