DensePose：基于3D 表面模型来理解图像中的人体姿态

概述

DensePose，它能够将2D RGB 图像中的目标像素映射到3D 表面模型。DensePose 项目旨在通过这种基于3D 表面模型来理解图像中的人体姿态，并能够有效地计算2D RGB 图像和人体3D 表面模型之间的密集对应关系。与人体姿势估计需要使用10或20个人体关节(手腕，肘部等) 不同的是，DensePose 使用超过5000个节点来定义，由此产生的估计准确性和系统速度将加速AR和VR 工作的连接。

密集的人体姿势估计旨在将RGB图像的所有人体像素映射到人体的3D表面。DensePose-RCNN在Detectron框架中实现，并由Caffe2提供支持。
在此存储库中，我们提供用于训练和评估DensePose-RCNN的代码。我们还提供笔记本以可视化收集的DensePose-COCO数据集，并显示与SMPL模型的对应关系。