ECCV2020的一篇关于3D姿态视频评估的文章

论文地址：https://arxiv.org/abs/2004.13985

Github地址：好像没找到官方的，但已经有非官方的供参考：https://github.com/tamasino52/UGCN

单位：亚马逊、港中文

摘要

作者提出了一个新的损失函数，称之为motion loss，用于解决单目下从2D pose到3D HPE的问题。在计算motion loss时，一种简单却有效的关键点动作表示方法——paorwise motion被引入进来。作者设计了一个新的图卷积神经网络架构UGCN，这个架构同时捕获长短时动作信息以充分利用motion loss中额外的监督信息。作者在两个大型数据集Human3.6M 和 MPI-INF-3DHP.上进行了实验。该模型大大超过了其他最先进的模型，同时展示了产生平滑的3D序列和恢复关键动作的强大能力。

1&2. Introduction and related work

解释一下文中关于Minkowski Distance部分的描述，下图是定义，P=1时为曼哈顿距离，P=2时为欧几里得距离。通过Fig.1解释一下Minkowski Distance的局限性。通过图中可知，trace1基本和ground truth曲线形状相似，trace2趋势不同但还是比较丝滑的，trace3就随机摇摆并且不平滑了，三条曲线的L1 loss平均值相等，但是时序结构完全不同，因为Minkowski Distance只是独立计算每个瞬间的距离，而无法体现轨迹的内部依赖。因为人体关节点与单摆类似，这也是为什么作者要提出这个motion loss。

motion loss需要在重建三维关键点位置的基础上，额外重建关键的的轨迹。它通过计算特定表中空间（称为motion encoding）中预测关节点位置和真实值之间的差值来衡量动作重建质量。motion encoding以可微分算子的形式建立。首先将一个轨迹粗略的分解为一组成对的坐标向量，它们具有不同的时间间隔对应不同的时间尺度。一个可微分的二元向量算子，如减法，内积和向量积，应用在每一对上。然后将得到的结果串联起来构造完全的motion coding。这种表示方法如图1所示，运用的是减法，可以有效的评估时序结构的质量。