3D 인간 자세 추정을 위한 네트워크 구조 최적화

인간 자세는 관절이 노드이고 뼈가 엣지인 그래프로 자연스럽게 표현됩니다. 따라서 2D 자세에서 3D 자세를 추정하기 위해 그래프 컨볼루션 네트워크(GCN)를 적용하는 것이 자연스럽습니다. 본 연구에서는 GCN과 완전 연결 네트워크(FCN)가 특수한 경우인 일반적인 공식을 제안합니다. 이 공식에서 우리는 GCN이 3D 자세 추정에 사용될 때 제한된 표현 능력을 가지고 있음을 발견했습니다. 우리는 이 일반적인 공식을 통해 자연스럽게 구현되는 국소 연결 네트워크(LCN)를 도입하여 이 제한을 극복합니다. 이는 GCN에 비해 표현 능력을 현저히 개선합니다. 또한, 각 관절이 이웃의 몇몇 관절에만 연결되어 있기 때문에 강한 일반화 능력을 가지고 있습니다. 공개 데이터셋에서의 실험 결과는 다음을 보여줍니다: (1) 최첨단 성능을 초월; (2) 대체 모델보다 데이터 요구도가 낮음; (3) 보지 못한 행동과 데이터셋에 잘 일반화됨.