面向人体图像补全的3D人体姿态估计探讨

并设计了序列信息融合部分。设计的DTRINet和LSPSNet可以很好的提取2D关键点的全局和局部信息，序列信息融合设计了该模块的三个损失函数，可以利用2D和3D之间的关系，很好的融合局部和全局之间的信息。TDSD可以有效的对2D姿态进行去噪，增添2D姿态的深度信息，减弱2D姿态和3D姿态的模糊性。

（2）设计了3D姿态PoseGan数据增强模块，用于生成合法的3D姿态样本数据。其包括了PoseGan网络和3D骨骼人体力学判断器两部分。搭建的PoseGan网络可以生成符合真实3D姿态数据分布的样本。3D骨骼人体力学判断器用于筛选出符合人体力学的3D姿态生成样本。该模块可以很好的提高模型的鲁棒性，缓解模型过拟合的问题。

参考文献（略）