基于改进Transformer的三维人体姿态估计

作     者：陈从平 郁春明 闫焕章 江高勇 张屹 戴国洪 CHEN Congping;YU Chunming;YAN Huanzhang;JIANG Gaoyong;ZHANG Yi;DAI Guohong

作者机构：常州大学机械与轨道交通学院江苏常州213164 

基　　金：国家自然科学基金资助项目(51875053) 国家重点研发计划资助项目(2018YFC1903101) 

出 版 物：《传感器与微系统》 (Transducer and Microsystem Technologies)

年 卷 期：2024年第43卷第6期

页      码：117-121页

摘      要：本文设计一种用于三维(3D)人体姿态(pose)估计的改进Transformer的多级特征编码网络。采用空间池化(pooling)算子结构来替换注意力(Attention)模块,缩减了模型参数量和运行复杂度,串联该结构得到初始特征表示,然后使用交叉注意力(CA)机制进行特征信息交互学习,并应用跨步卷积降低时间维度并合并相近的Pose到Pose序列的单个表示。在Human3.6M数据集上进行验证实验。结果表明:该方法针对3D人体Pose估计,混合使用Pooling结构和Attention机制能达到有效的估计效果,与原始Transformer的方法进行对比,模型参数量降低了30%,位置精度提升了8.6%。

主 题 词：姿态估计 Transformer模型 空间池化算子 交叉注意力机制 跨步卷积 

学科分类：08[工学] 080203[080203] 0802[工学-机械学] 

D　O　I：10.13873/J.1000-9787(2024)06-0117-05

馆 藏 号：203128160...