m0_54144584的博客

Real-Time Multi-View 3D Human Pose Estimationusing Semantic Feedback to Smart Edge Sensors

Weakly-Supervised 3D Human Pose Learning via Multi-view Images in the Wild

Faster VoxelPose: Real-time 3D Human Pose Estimation by Orthographic Projection

Cross-View Tracking for Multi-Human 3D Pose Estimation at over 100 FPS

A Unified Multi-view Multi-person Tracking Framework

Multi-person 3D Pose Estimation in CrowdedScenes Based on Multi-View Geometry

4D Association Graph for Realtime Multi-person Motion CaptureUsing Multiple Video Cameras

openpose作为2016coco检测大赛冠军有着很多创新点，在人体姿态领域有着很多贡献，现有很多研究以openpose为backbone。其提出了一种有效检测图像中多个人的2D姿势的方法。该方法使用非参数表示，称之为部分亲和字段（PAF），以学习将身体部位与图像中的个体相关联。b.首先，前馈网络同时预测一组身体部位位置的2D置信图S（图b）和一组部位仿射的2D矢量场L，它们对部位之间的关联度进行编码（图c）c.最后通过贪婪推理解析置信图和亲和度场寻找最优解，其也是提出了一种NP难题中的一种解决方法。

这篇文章提出了一种实时算法，用于从多个校准视图重建拥挤场景中的3D人体姿势，整体采用bottom-up方法，该方案在多视图关联过程中推理所有可能的2D骨架，同时还保留了在以前的零件级关联方案中被忽略的不同类型零件之间的2D约束。a.首先将同步的多视图图像输入到2D姿势检测器(openpose)中，以获得joints以及connections(a->b)b.然后其建立骨架空间，计算其骨架之间的亲和力，描述了两个骨骼是否足够接近以成为一个人，并建立树状结构图来表示人体骨架。

Multi-View Multi-Person 3D Pose Estimation with Plane Sweep Stereo（CVPR2021）

Part-aware Measurement for Robust MultiView Multi-Human 3D PoseEstimation and Tracking（2021）

Multi-View Multi-Person 3D Pose Estimationwith Uncalibrated Camera Networks

首先Mvp将每个骨骼关节表示为可学习的位置嵌入，命名为关节query，一开始的想法是将每一个关节query当作独立的query，然后发现这样的结构设计不能让不同人之间的关节query产生联系，所以，作者引入了层级设计：Hierarchical Joint Query Embedding，不同人之间share一组joint-level query，为了区分不同人，又引入了一组person-level query，这两组之间采用层级组合获得整个set的joint。2.结构图与原理介绍。

每日论文记录-Deep High-Resolution Representation Learning for Human Pose Estimation

每日论文记录3-Learnable Triangulation of Human Pose（ICCV2019）

每日论文记录2-TesseTrack: End-to-End Learnable Multi-Person Articulated 3D Pose Tracking（CVPR2021）

论文记录