论文部分内容阅读
为解决从2D骨架序列进行3D人体姿态估计中的深度模糊性问题,提出一种基于混合密度网络和逐元素注意力机制(Element-wise Attention Mechanism)的改进算法。利用混合密度网络生成多个3D姿势的可行假设,解决2D姿态向3D姿态推理时的模糊性问题,并通过添加逐元素注意力机制与ReLU激活函数结合的AReLU函数,提升网络的性能。在Human3.6M数据集上进行了对比实验,相比于其它两阶段模型的平均关节位置误差(MPJPE)有了明显下降。对比其它采用单幅图像输入的两阶段方法进行3D