來自北京大學(xué)、蘇黎世聯(lián)邦理工學(xué)院、阿里巴巴的研究者們提出了一種基于多假設(shè)Transformer的三維人體姿態(tài)估計新框架MHFormer，來減輕三維人體姿態(tài)估計中的歧義逆問題。性能超越PoseFormer 3%，并在Human3.6M和MPI-INF-3DHP數(shù)據(jù)集上都取得了當(dāng)前佳的性能。代碼已開源！

本文針對三維人體姿態(tài)估計存在多個可行性解的逆問題，提出了一種來學(xué)習(xí)姿態(tài)假設(shè)多重表示的多假設(shè)Transformer的新方法。與大多數(shù)輸出多個預(yù)測的方法不同，本文提出使用一對多對一的三階段框架來有效地學(xué)習(xí)多假設(shè)的時空表示。它提G了每個假設(shè)的表示能力，同時也增強(qiáng)了多個假設(shè)之間的聯(lián)系。大量實驗表明，所提出的MHFormer與單假設(shè)Transformer相比具有巨大的提升，并在兩個基準(zhǔn)數(shù)據(jù)集上實現(xiàn)了佳的性能。作者希望MHFormer能夠促進(jìn)2D到3D姿態(tài)姿態(tài)提升的進(jìn)一步研究，同時考慮到各種歧義性。