Active Human Pose Estimation via an Autonomous UAV Agent

本文着重研究从捕捉人体活动的视频中估计人体姿势的任务。场景中的自我遮挡可能会使人体姿势估计变得复杂甚至不准确。为了解决这个问题，需要重新定位摄像机以获得更好的视角，从而提高二维人体姿势估计的准确性。本文正式规范了实现改善视角的过程。我们提出的解决方案包括三个主要组成部分：基于NeRF的无人机视角数据生成框架、用于相机视角误差估计的无人机网络和组合规划器，用于根据预测的相机视角误差制定可行的运动计划以重新定位摄像机。数据生成框架利用基于NeRF的方法生成了一个全面的人体姿势和活动数据集，增强了无人机在各种场景下的适应性。相机视角误差估计网络旨在评估当前的人体姿势，并确定最有前途的下一个无人机视角，确保从这些角度获得可靠和精确的姿势估计。最后，组合规划器考虑到无人机的物理和环境限制，利用高效的算法来导航安全和有效的飞行路径，并结合这些角度。该系统代表了无人机智能代理的主动二维人体姿势估计的重大进展，通过提高自主人体姿势估计的性能并保持无人机的操作安全和效率，为航空摄影等领域的应用提供了巨大的潜力。

论文旨在解决从视频中进行人体姿态估计时，自身遮挡问题对准确性的影响，提出了通过重新定位相机来改善视角，从而提高2D人体姿态估计的方法。

论文提出了一个基于NeRF的无人机视角数据生成框架，结合相机视角误差估计网络和组合规划器，实现了无人机自主定位相机以改善姿态估计准确性的目标。

论文提出的方法在无人机自主姿态估计方面具有重要的应用价值，能够提高无人机在航拍等领域的性能，并且通过使用NeRF方法生成数据集，提高了无人机在不同场景下的适应性。此外，论文还设计了相应的网络和算法来解决自身遮挡问题，具有一定的创新性。

近年来，人体姿态估计和无人机自主控制方面的研究都比较活跃。与本论文相关的研究包括：'Real-time 3D Human Pose Estimation with Deep Multi-Sensor Fusion'，'View-Invariant Human Pose Estimation via Learned Feature Shape Space'，'Autonomous Drone Navigation and Tracking of Human Movements with Deep Learning'等。