Liling Fan, Kunliang Jiang, Weixue Zhou, Zhenguo Gao^*, Yanmin Luo. 3D human pose estimation from video via multi-scale multi-level spatial temporal features. Multimedia Tools and Application

s.

   该文利用多尺度多层次时空特征，提出了一种新的视频二维到三维人体姿态估计框架。为了提取和利用丰富的特征，该框架由三个分支网络组成：用于提取帧间时间一致性的时间特征核心网络、用于使用不同大小的多个感受野提取多尺度特征的多尺度特征分支网络，以及多级特征分支网络，用于从不同深度的层提取多级特征。在该框架中，这些特征被合并以捕捉与人体相关的各种空间和时间关系，并被用来解决深度模糊和自遮挡问题，从而实现更准确的估计。