OAHPE：一种考虑遮挡的混合路由方法，用于在存在遮挡的视频中实现高效且可靠的3D人体姿态估计

《Scientific Reports》：OAHPE: occlusion-aware hybrid routing for efficient and robust 3D human pose estimation in mixed-occlusion videos

　　

摘要

基于注意力机制的视频三维人体姿态估计方法在时空建模方面表现优异。然而，注意力机制带来的二次复杂度会导致长序列推理时产生较大的计算和内存开销，从而影响其轻量级部署。受线性复杂度的状态空间模型在长距离建模方面的启发，我们提出了遮挡感知混合姿态估计模型，以解决从视频中估计三维人体姿态时存在的遮挡帧不确定性高以及可见帧冗余度高的问题。该模型采用差异化的双路径建模策略：对于遮挡区域，结合多尺度扩张卷积与线性复杂度的Mamba模块，并通过双重局部增强机制来以全帧率捕捉精细的关节结构及长距离的关节间依赖关系；对于可见区域，则设计在线选择机制来减少时间冗余，同时引入基于蒸馏的时间恢复目标来确保动态一致性。最后，将两条路径的预测结果回填、对齐，并以原始序列分辨率进行融合。在Human3.6M和MPI-INF-3DHP基准数据集上的全面定量与定性评估表明，OAHPE模型的平均每个关节位置误差分别为43.5毫米和28.5毫米，同时模型规模和训练内存占用分别降至260万参数和12.5GB。这些结果说明，所提出的方法在显著降低参数量和内存消耗的同时仍能保持优异的性能，实现了姿态估计精度与计算效率之间的良好平衡。