查看引用/信息源请点击：Nweon
3D人体姿态估计
（Nweon 2025年06月18日）3D人体姿态估计在虚拟现实等领域有着广泛的应用。但在现实场景中，遮挡、噪点干扰和视点缺失等问题会严重影响姿势估计。为了解决所述挑战，西安电子科技大学和湖南大学团队提出了缺陷感知3D姿态估计的任务。
传统的3D姿态估计方法通常依赖于多阶段网络和模块化组合，而这可能导致累积误差和增加训练复杂性，使其无法有效地解决缺陷感知估计。所以，研究人员提出了一种灵活的DeProPose方法。它简化了网络架构，以降低多阶段设计中的训练复杂度并避免信息丢失。
另外，模型创新性地引入了基于相对投影误差的多视点特征融合机制，有效地利用了多视点信息并动态分配权重，实现了高效集成和增强的鲁棒性，克服了缺陷感知3D姿态估计的挑战。
同时，为了彻底评估这种端到端多视图3D人体姿态估计模型并推进与遮挡相关的研究，他们开发了一种新的3D人体姿态估计数据集，Deficiency-Aware 3D Pose Estimation（DA-3DPE）。所述数据集包含了广泛的缺陷场景，包括噪点干扰、缺失视点和遮挡挑战。与最先进的方法相比，DeProPose不仅在解决缺陷感知问题方面表现出色，而且在传统场景中同样表现出改进，为3D人体姿态估计提供了强大且用户友好的解决方案。
……（全文 2407 字，剩余 1960 字）
请微信扫码通过小程序阅读完整文章或者登入网站阅读完整文章
会员可直接登入网站阅读
PICO员工可联系免费获取权限
