Key points are not available for this paper at this time.
단안 카메라를 통한 인간 자세 추정은 컴퓨터 비전 커뮤니티에서 많은 응용을 가진 새로운 연구 주제가 되어왔다. 최근, 딥러닝 기술의 혜택을 받아, 단안 인간 자세 추정이 2D 및 3D 분야 모두에서 상당한 연구 노력을 통해 발전해왔다. 서로 다른 접근 방식을 요약한 작업이 있었음에도 불구하고, 이러한 접근 방식이 2D에서 3D로 어떻게 작동하는지에 대한 심층적인 이해를 가질 수 있는 것은 여전히 도전적인 문제로 남아 있다. 본 기사에서는 이 문제를 해결하기 위해 포괄적이고 전체론적 2D-3D 관점을 제공한다. 첫째, 우리는 인간 신체의 2D 및 3D 표현을 포괄적으로 요약한다. 다음으로, 2014년 이래로 이러한 인간 신체 표현을 위한 주류 및 이정표 접근 방식을 통합된 프레임워크 아래 요약한다. 특히, 2D에서 3D 자세 추정으로의 내재적 연결 및 방법의 진화에 대한 통찰력 있는 분석을 제공한다. 더 나아가, 데이터 부족, 2D와 3D 간의 본질적인 모호성, 복잡한 다중 인물 시나리오와 같은 도전적인 사례에 대한 솔루션을 분석한다. 다음으로, 인기 있는 접근 방식에 대한 벤치마크, 평가 지표 및 정량적 성능을 요약한다. 마지막으로, 도전 과제에 대해 논의하고 향후 연구를 위한 유망한 방향에 대한 깊은 사고를 제시한다. 우리는 이 조사가 독자(연구원, 엔지니어, 개발자 등)에게 단안 인간 자세 추정에 대한 깊고 통찰력 있는 이해를 제공할 것이라고 믿는다.
Liu et al. (Thu,)는 이 질문을 연구했다.