预加权调制密集图卷积网络三维人体姿态估计

作者：马金林; 崔琦磊^*; 马自萍; 闫琦; 曹浩杰; 武江涛

来源：计算机科学与探索, 2023, 1-17.

• 人体姿态估计
• 图卷积网络
• 预加权

图卷积网络(Graph Convolutional Networks， GCN)日益成为三维人体姿态估计(3D Human Pose Estimation， 3D HPE)的主要研究热点之一，使用GCN对人体关节点之间的关系建模的方法使三维人体姿态估计获得了良好的性能。然而，基于GCN的三维人体姿态估计方法存在过平滑和未区分关节点与相邻关节点重要性的问题。为解决这些问题，本文设计了调制密集连接模块(Modulated Dense Connection， MDC)和预加权图卷积模块，并基于这两个模块提出了预加权调制密集图卷积网络的三维人体姿态估计方法(Pre-Weighted Modulated Dense Graph Convolutional Networks， WMDGCN)。针对过平滑问题，调制密集连接通过超参数α和β更好地实现特征重用（超参数α表示第l层和之前各层总特征的权重比例，超参数β表示之前各层特征到第l层的传播策略），从而有效地提高特征的表达能力。针对未区分关节点与相邻关节点重要性的问题，使用预加权图卷积为当前关节点赋予更高的权重，并对当前关节点及其相邻关节点使用不同的权重矩阵，更有效地捕获人体关节点特征。Human3.6M数据集上的对比实验结果表明，本文方法在参数量和性能上均取得了最佳性能，WMDGCN的参数量、MPJPE和P-MPJPE值分别为0.27M、37.46mm和28.85mm。

• 单位
  北方民族大学