(3D-HPE) Keep it SMPL: Automatic Estimation of 3D Human Pose and Shape from a Single Image

Keep it SMPL: Automatic Estimation of 3D Human Pose and Shape from a Single Image（ECCV2016）

                                                                                               

三维的姿态估计，忽略了人体的shape. 三位骨骼看似合理，但是可能拟合的shape是unnatural的。

---

之前的工作，有的基于人工，多视角，图片序列。本文的方法是单视角、单图片，完全自动的实现3d-pose-shape的识别。

---

本文工作分为两部分：

首先进行二维的人体姿态关键点的检测（deepcut当时sota的模型）然后使用SMPL 将关节点的二位投影坐标拟合到2D的位置。

论文构造了一个目标函数来优化：

K 是相机参数；是标量权重；

基于关键点的数据项惩罚估计的关节点（）和对应的SMPL关节点的投影之间的带权重的2D距离。

是CNN估计关节点的权重值。

还有三个pose先验和一个shape先验

 Data Term: Joint Projection Error

Depth Ambiguity

pose and shape prior

prevent interpenetration

---