我々は、OpenPoseなどのDNNにより推定された2Dポーズにおける、人間のアノテーション時におけるバイアスを予測し修正する新しい2Dポーズ生成ネットワークを提案する。2Dポーズの推定には、アノテーターの知覚に基づいた2D関節位置のアノテーションと、モーション・キャプチャー（MoCap）システムによって定義された2D関節位置のアノテーションの違いに起因するバイアスがある。これらのバイアスは、一般に公開されている2Dポーズデータセットに組み込まれており、既存の誤差低減アプローチでは取り除くことができない。我々が提案するポーズ誤差修正ネットワークは、推定された2Dポーズにおける人間のバイアスを効率的に除去し、高精度な多視点3D人間ポーズ推定を実現する。
人体に対するアノテーションバイアスは多くの人で似通っており、2次元の関節位置を推測する際の誤差にはある一定の傾向があると考えられる。その結果、2Dポーズアノテーションのデータセットには、カメラのポーズと人体のポーズの両方に依存するバイアスが存在すると考えられる。Open-Poseの関節位置は、明らかに真の関節位置からずれており、バイアスの存在を示している。これに対し、提案するPose RefineNetwork(RN)はこの偏りを抑えることを目指す。このように偏りが予測できるということは、関節の定義の不一致が偏りの原因であるという我々の仮定を帰納的に支持するものである。
Publications
|
