【论文标题】Deep Learning-Based Human Pose Estimation: A Survey 【作者团队】Ce Zheng，Wenhan Wu，Taojiannan Yang，Sijie Zhu，Chen Chen，Ruixu Liu，Ju Shen，Nasser Kehtarnavaz，Mubarak Shah 【发表时间】2020/12/24 【论文链接】https://arxiv.org/pdf/2012.13392.pdf

【推荐理由】 本文出自北卡罗来纳大学夏洛特分校，作者对 2014 年以来的 240 余篇基于深度学习的姿态估计研究论文进行了综述，在流行的数据集上对现有主流姿态估计算法进行了定量比较，讨论了该领域未来的研究方向。

人体姿态估计任务旨在根据图像、视频等输入数据定位人体部位，构建人体表征（如人体骨架）。近年来，该任务受到了越来越多的关注，并被广泛应用于人机交互、运动分析、增强现实和虚拟现实等领域。尽管最近人们提出的基于深度学习的解决方案在人体姿态估计方面取得了很好的性能，但训练数据不足、深度模糊和遮挡等问题仍然为该任务提出了巨大的挑战。

在本文中，作者通过对基于输入数据和推理过程的解决方案进行系统的分析和比较，对最近基于深度学习的二维和三维姿态估计解决方案进行了全面的回顾。本文涵盖了自 2014 年以来的 240 多篇研究论文。此外，本文还介绍了多个二维和三维人体姿态估计数据集和评估指标，总结和讨论了现有方法在流行数据集上的定量性能比较。最后，对所涉及的挑战、应用和未来的研究方向进行了总结。

图 1：综述架构

内容中包含的图片若涉及版权问题，请及时与我们联系删除