#773
summarized by : mokura
Semantic Graph Convolutional Networks for 3D Human Pose Regression

どんな論文か?

GCNによって3次元での人の姿勢推定を行なった.まず画像から2次元での人の姿勢推定(関節の予測)を行い,その結果からGCNで3次元での姿勢推定を行う.各パーツ間の関係を全体で考慮できるようにするため,ある層の全チャネルで共有されるような変換行列とチャネルの各値への重み行列?を導入したSemantic GCNを提案した.
placeholder

新規性

GCNを回帰問題に適用できるような形にし,3次元での人の姿勢推定に用いた.また,入力に独立して,ある層の全チャネルで共有されるような変換行列とチャネルの各値への重み行列?を導入したSemantic GCNを提案した.これにより体のパーツ間の関係性が共有される.

結果

Human3.6M上で評価を行なった.既存のGCNベースの手法より20%程度上回る結果を得られた.また,既存手法の一部に比べ90%のパラメータを減らしつつ,SoTAに優る性能を得られた.

その他(なぜ通ったか?等)

Semantic GCNの構造はグローバルな情報とtemporalな情報を協調して利用する様々なケースに応用可能だと考えられると述べられていた.