本文主要是介绍【论文阅读-姿态估计】ECCV2020_Unsupervised 3D Human Pose Representation with Viewpoint and Pose Disentanglemen，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
本文将介绍一种基于特征分离的无监督姿态特征学习模型，作者来自香港中文大学
论文链接：https://arxiv.org/abs/2007.07053
代码链接：https://github.com/NIEQiang001/unsupervised-human-pose
主要思想：
对于姿态估计任务来说，不同的姿态和同一姿态的不同视角所呈现出来的姿态图是不相同的，作者希望能够消除同一姿态不同拍摄视角造成的差别（即：同一姿态在不同视角拍的图提取的特征应该尽可能相同），尽可能挖掘姿态本身的特征。
本文提出的模型如下两个图所示，作者分别将随机损坏的3D姿态和随机旋转后的3D姿态（模仿不同视角）分别输入两个平行网络提取特征，然后对两者的特征进行约束，让其尽可能相似，以学习到视角无关的姿态本身特征。
图 本文提出的网络模型，为双向递归网络结构
【参考文献】：
[1] 迁移性好、多用途，港中文提出特征分离的无监督人类三维姿态表征
这篇关于【论文阅读-姿态估计】ECCV2020_Unsupervised 3D Human Pose Representation with Viewpoint and Pose Disentanglemen的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
