论文标题：Recent Advances in Monocular 2D and 3D Human Pose Estimation: A Deep Learning Perspective

论文链接：https://arxiv.org/abs/2104.11536

代码链接：https://github.com/Arthur151/SOTA-on-monocular-3D-pose-and-shape-estimation

作者单位：京东AI研究院

28页综述，共计232篇参考文献！本文对2014年以来的2D和3D人体姿态估计方法进行全面调研，并精选出里程碑的方法，系统总结各种方法的差异和联系，并介绍了数据集和评价指标。

从单目相机估计人体姿态已经成为计算机视觉界中具有许多应用的新兴研究主题。最近，得益于深度学习技术，大量的研究工作极大地推动了2D和3D领域中单目人体姿态估计的发展。尽管已经有一些工作总结了不同的方法，但是对于研究人员深入了解这些方法的工作方式仍然是挑战。在本文中，我们提供了一个全面而全面的2D到3D视角来解决此问题。自2014年以来，我们将统一框架下的主流方法和里程碑方法进行了分类。通过系统地总结这些方法之间的差异和联系，我们进一步分析了具有挑战性的情况的解决方案，例如数据不足，2D和3D之间固有的模糊性以及复杂的多人场景。我们还总结了姿态表示样式，基准，评估指标以及流行方法的定量性能。最后，我们讨论了挑战并深入思考了未来研究的有希望的方向。我们相信这项调查将为读者提供对单目人体姿态估计的深刻的理解。

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