Estimación de Pose Humana 3D = Estimación de Pose 2D + Igualación

Exploramos la estimación de la pose humana 3D a partir de una sola imagen RGB. Mientras que muchos enfoques intentan predecir directamente la pose 3D a partir de medidas de imagen, exploramos una arquitectura simple que razona a través de predicciones intermedias de pose 2D. Nuestro enfoque se basa en dos observaciones clave: (1) Las redes neuronales profundas han revolucionado la estimación de pose 2D, produciendo predicciones precisas de 2D incluso para poses con auto-oclusiones; (2) Los grandes conjuntos de datos de mocap 3D están ahora fácilmente disponibles, lo que hace tentador elevar las poses 2D predichas a 3D a través de una simple memorización (por ejemplo, vecinos más cercanos). La arquitectura resultante es fácil de implementar con sistemas de estimación de pose 2D de uso comercial y bibliotecas de mocap 3D. Importante, demostramos que tales métodos superan casi todos los sistemas de estimación de pose 3D de última generación, la mayoría de los cuales intentan directamente hacer regresión de la pose 3D a partir de mediciones 2D.