畳み込みニューラルネットワークを用いた最小二乗回帰による2次元静止画像からの3次元人体ポーズ推定

摘要

ポーズ推定は，ジェスチャー等の動作を入力としたインターフェースの構築や，クエリとしてポーズを使用する検索技術など，幅広い応用が期待される技術である．しかし，Toshev らが提案したDeepPose[1] に代表される一般的なポーズ推定では，学習セットを作成するために膨大な量のアノテーションを行う, 複数のカメラや位置情報センサーを利用しなくてはいけないなど，学習セット生成に非常にコストがかかる．本論文では，畳み込みニューラルネットワーク(CNN) を用いて2 次元静止画像から3 次元ポーズを推定する手法を提案する．訓練データ生成のコストを抑えるために3 次元CG モデルを利用し，さらにポーズ選択・追加によるアクティブラーニング(AL) を行うことによってポーズ推定が低コストで行われることを示す．