CVPR 2020 论文大盘点-人体姿态估计与动作捕捉篇

本文盘点CVPR 2020 所有人体姿态估计（Human Pose Estimation）、手势识别（Gesture Recognition）、人体形状与姿态估计（Human Shape and Pose Estimation）、人体运动捕捉（Human Motion Capture）相关论文，总计27篇，对文献进行了分类汇总，希望对大家有帮助。

人体姿态估计分为2D（6篇）和3D（11篇）两大类；手势识别只有两篇文献，一篇基于骨架，另一篇基于点云的；人体形状与姿态估计是同时计算人体的姿态和网格有，有3篇；动作捕捉对人体形状和姿态进行连续计算，反应人体的运动，在动画制作、电影特效有重要应用。另外还有一篇手持物体的姿态估计，同时对人手进行2D/3D姿态估计和物体6D位姿估计，代码已开源。

大家可以在：

http://openaccess.thecvf.com/CVPR2020.py

按照题目下载这些论文。

2D 人体姿态估计

一种不需要后处理的单人姿态估计方法，可扩展到视频

[1].UniPose: Unified Human Pose Estimation in Single Images and Videos

作者 | Bruno Artacho, Andreas Savakis

单位 | 罗切斯特理工学院

对之前SOTA方法数据处理部分的无偏处理，大幅提升了精度

[2].The Devil Is in the Details: Delving Into Unbiased Data Processing for Human Pose Estimation

作者 | Junjie Huang, Zheng Zhu, Feng Guo, Guan Huang

单位 | XForwardAI Technology Co.,Ltd；清华

代码 | https://github.com/HuangJunJie2017/UDP-Pose

一种新的自下而上的人体姿势估计方法，用于使用高分辨率特征金字塔学习尺度感知表示。该方法配备了用于训练的多分辨率监督和用于推理的多分辨率聚合，能够解决自下而上的多人姿势估计中的尺度变化挑战，并能更精确地定位关键点，尤其是对于小人物。

[3].HigherHRNet: Scale-Aware Representation Learning for Bottom-Up Human Pose Estimation

作者 | Bowen Cheng, Bin Xiao, Jingdong Wang, Honghui Shi, Thomas S. Huang, Lei Zhang

单位 | UIUC；微软；俄勒冈大学

代码 | https://github.com/HRNet/HigherHRNet-Human-Pose-Estimation

解读 | https://blog.csdn.net/weixin_40671425/article/details/105600137

分布感知的坐标表示用于姿态估计。利用heatmap上的最大值以及其对应位置m, 来估计真实高斯分布均值位置μ. 这样的量化误差能够得到最大程度上的减轻。

[4].Distribution-Aware Coordinate Representation for Human Pose Estimation

作者 | Feng Zhang, Xiatian Zhu, Hanbin Dai, Mao Ye, Ce Zhu

单位 | 电子科技大学；悉尼大学

代码 | https://github.com/ilovepose/DarkPose

解读 | https://blog.csdn.net/senius/article/details/102595771

多人姿态估计与视频跟踪

[5].Combining Detection and Tracking for Human Pose Estimation in Videos

作者 | Manchen Wang, Joseph Tighe, Davide Modolo

单位 | AWS Rekognition

[6].Mixture Dense Regression for Object Detection and Human Pose Estimation

作者 | Ali Varamesh, Tinne Tuytelaars

单位 | ESAT-PSI, KU Leuven

代码 | https://github.com/alivaramesh/MixtureDenseRegression

3D 人体姿态估计

单眼3D人体姿态估计的深度运动学分析

[7].Deep Kinematics Analysis for Monocular 3D Human Pose Estimation

作者 | Jingwei Xu, Zhenbo Yu, Bingbing Ni, Jiancheng Yang, Xiaokang Yang, Wenjun Zhang

单位 | 上海交通大学；华为海思

跨视场的多人3D姿态估计，速度可达100FPS

[8].Cross-View Tracking for Multi-Human 3D Pose Estimation at Over 100 FPS

作者 | Long Chen, Haizhou Ai, Rui Chen, Zijie Zhuang, Shuang Liu

单位 | 清华；AiFi Inc

数据集 | https://github.com/longcw/crossview_3d_pose_tracking

自监督3D姿态估计

[9].Self-Supervised 3D Human Pose Estimation via Part Guided Novel Image Synthesis

作者 | Jogendra Nath Kundu, Siddharth Seth, Varun Jampani, Mugalodi Rakesh, R. Venkatesh Babu, Anirban Chakraborty

单位 | 印度科技学院；谷歌

网站 | https://sites.google.com/view/pgp-human

[10].PandaNet: Anchor-Based Single-Shot Multi-Person 3D Pose Estimation

作者 | Abdallah Benzine, Florian Chabot, Bertrand Luvison, Quoc Cuong Pham, Catherine Achard

单位 | CEA LIST Vision and Learning Lab for Scene Analysis；索邦大学

[11].Multiview-Consistent Semi-Supervised Learning for 3D Human Pose Estimation

作者 | Rahul Mitra, Nitesh B. Gundavarapu, Abhishek Sharma, Arjun Jain

单位 | 印度理工学院孟买分校;加利福尼亚大学圣迭戈分校;Axogyan AI;IISc Bangalore

通过光学非视距（NLOS）成像系统获取的瞬态图像（即光子的3D时空直方图）进行3D人体姿势估计的方法（图中被遮挡人的姿态估计）

[12].Optical Non-Line-of-Sight Physics-Based 3D Human Pose Estimation

作者 | Mariko Isogawa, Ye Yuan, Matthew O'Toole, Kris M. Kitani

单位 | 卡内基梅隆大学

网站 | https://marikoisogawa.github.io/project/nlos_pose

单目多人3D姿态估计中heatmaps压缩方法，提高计算速度

[13].Compressed Volumetric Heatmaps for Multi-Person 3D Pose Estimation

作者 | Matteo Fabbri, Fabio Lanzi, Simone Calderara, Stefano Alletto, Rita Cucchiara

单位 | University of Modena and Reggio Emilia；松下美国研发公司

代码 | https://github.com/fabbrimatteo/LoCO

数据合成增加样本，提高训练模型的精度

[14].Cascaded Deep Monocular 3D Human Pose Estimation With Evolutionary Training Data

作者 | Shichao Li, Lei Ke, Kevin Pratama, Yu-Wing Tai, Chi-Keung Tang, Kwang-Ting Cheng

单位 | 香港科技大学；腾讯

[15].MetaFuse: A Pre-trained Fusion Model for Human Pose Estimation

作者 | Rongchang Xie, Chunyu Wang, Yizhou Wang

单位 | 北大；微软亚洲研究院；深睿医疗AI实验室

搜索结果

网络搜索结果

搜索结果

网络搜索结果深睿医

融合惯性传感器与多视图的几何方法

[16].Fusing Wearable IMUs With Multi-View Images for Human Pose Estimation: A Geometric Approach

作者 | Zhe Zhang, Chunyu Wang, Wenhu Qin, Wenjun Zeng

单位 | 东南大学；微软亚洲研究院

代码 | https://github.com/CHUNYUWANG/imu-human-pose-pytorch

摄像头解耦，用于轻量级多视图3D姿态估计，实时运算

[17].Lightweight Multi-View 3D Pose Estimation Through Camera-Disentangled Representation

作者 | Edoardo Remelli, Shangchen Han, Sina Honari, Pascal Fua, Robert Wang

单位 | 洛桑联邦理工学院；Facebook Reality Labs

人持物体姿态估计（Hand-Object Pose Estimation）

同时进行手部姿态和物体的6D位姿估计

[18].HOPE-Net: A Graph-Based Model for Hand-Object Pose Estimation

作者 | Bardia Doosti, Shujon Naha, Majid Mirbagheri, David J. Crandall

单位 | 印第安纳大学伯明顿分校；华盛顿大学

代码 | https://github.com/bardiadoosti/HOPE

网站 | http://vision.sice.indiana.edu/projects/hopenet/

解读 | CVPR 2020｜开源实时“人手-物体”姿态估计算法HOPE-Net

手势识别（Gesture Recognition）

基于骨架的手势识别

[19].Decoupled Representation Learning for Skeleton-Based Gesture Recognition

作者 | Jianbo Liu, Yongcheng Liu, Ying Wang, Veronique Prinet, Shiming Xiang, Chunhong Pan

单位 | 中科院；国科大

基于点云的手势识别

[20].An Efficient PointLSTM for Point Clouds Based Gesture Recognition

作者 | Yuecong Min, Yanxiao Zhang, Xiujuan Chai, Xilin Chen

单位 | 中科院；国科大；中国农业科学院

代码 | https://github.com/Blueprintf/pointlstm_gesture_recognition_pytorch

人体形状与姿态估计（Human Shape and Pose Estimation）

从单彩色图中得到物体遮挡的人体姿态与表面网格

[21].Object-Occluded Human Shape and Pose Estimation From a Single Color Image

作者 | Tianshu Zhang, Buzhen Huang, Yangang Wang

单位 | 东南大学

代码 | https://gitee.com/seuvcl/CVPR2020-OOH

网站 | https://www.yangangwang.com/papers/ZHANG-OOH-2020-03.html

从深度图中得到3D人手姿态与表面网格

[22].HandVoxNet: Deep Voxel-Based Network for 3D Hand Shape and Pose Estimation From a Single Depth Map

作者 | Jameel Malik, Ibrahim Abdelaziz, Ahmed Elhayek, Soshi Shimada, Sk Aziz Ali, Vladislav Golyanik, Christian Theobalt, Didier Stricker

单位 | TU Kaiserslautern；DFKI Kaiserslautern；NUST Pakistan；UPM Saudi Arabia；MPII Saarland

[23].VIBE: Video Inference for Human Body Pose and Shape Estimation

作者 | Muhammed Kocabas, Nikos Athanasiou, Michael J. Black

单位 | Max Planck Institute for Intelligent Systems，Tubingen；Max Planck ETH Center for Learning Systems

代码 | https://github.com/mkocabas/VIBE

解读 | CVPR2020｜无需3D运动数据训练，最新SOTA人体姿势估计方法

人体动作捕捉（Human Motion Capture）

[24].ActiveMoCap: Optimized Viewpoint Selection for Active Human Motion Capture

作者| Sena Kiciroglu, Helge Rhodin, Sudipta N. Sinha, Mathieu Salzmann, Pascal Fua

单位 | 洛桑联邦理工学院；不列颠哥伦比亚大学；微软

代码 | https://github.com/senakicir/ActiveMoCap

[25].4D Association Graph for Realtime Multi-Person Motion Capture Using Multiple Video Cameras

作者 | Yuxiang Zhang, Liang An, Tao Yu, Xiu Li, Kun Li, Yebin Liu

单位 | 清华；天津大学

代码 | https://github.com/zhangyux15/4d_association

数据集 | https://github.com/zhangyux15/4DAssociation_dataset

[26].EventCap: Monocular 3D Capture of High-Speed Human Motions Using an Event Camera

作者 | Lan Xu, Weipeng Xu, Vladislav Golyanik, Marc Habermann, Lu Fang, Christian Theobalt

单位 | 清华大学；萨尔大学；香港科技大学

[27].DeepCap: Monocular Human Performance Capture Using Weak Supervision

作者 | Marc Habermann, Weipeng Xu, Michael Zollhofer, Gerard Pons-Moll, Christian Theobalt

单位 | Max Planck Institute for Informatics；萨尔大学；斯坦福大学