《表5 3D人体姿态数据集》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于深度学习的人体姿态估计方法综述》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

基于深度学习的3D人体姿态估计方法相当于利用CNN还原出二维人体图像的第三维信息。其中，稀疏的方法只需还原关节点第三维的坐标值，在此基础上密集的方法还要进一步恢复人体所有像素的三维表示。直观上可以设计深度卷积网络直接从二维图像特征回归出第三维的信息，但是由于3D训练数据集的匮乏，很难保证网络的训练准确度。同时因为3D标注、识别的过程比较困难，即便使用大量的传感器和摄像头去采集数据，也难以克服复杂的环境干扰，目前现有的3D数据集来自于室内采集的较多，包括Human3.6M[52]、Human Eva[53]以及MPI-INF-3DHP[54]等，具体举例如表5所示[55-59]。