How can I get the 3d pose without camera intrinsic root or bone_length?

[Rookienovice]

您好，很感谢您的工作，另外我想知道如果在不知道相机参数，root 和 bone_length 的情况下，可以有什么办法获得相机坐标系下的绝对的3d pose吗？

[Rookienovice]

还有，请问您论文比较3D pck 和 AUC 采用的是LifeNet得到的joint 还是 MANO模型映射后的joint？LiftNet 得到的的joint 和 MANO模型得到的joint 误差大吗？

[lixiny]

您好， 感谢您对我们工作的支持。

1） 在不知相机参数，root 和 bone_length 的情况下，是无法计算绝对3Dpose的，从3D到2D必然会损失信息。 此外，相机参数，root，和bone_length 在已知两者的情况下，另外一个是可以求解得到的。 2） 针对您的第二个问题，我们使用的 MANO 模型映射后的 joint，如果源数据集是按照MANO joint 所定义的位置标注的，那么在经过fine-tune后差别不会太大。

[Rookienovice]

感谢作者的回答！解答了我的疑问！还有问题想请教您一下： 1）您在论文采用了分阶段的训练策略，是因为先基于heatmap和silhouette获得一个比较的好的特征抽取器，对于后面LifeNet预测3D pose有帮助吗？ 如果两个网络耦合到一起训练是不是结果会比较差？ 2）我了解到MANO模型的 β 和 θ 参数的回归可以通过图像信息直接回归还有您论文中通过预测的 root-relative 3d pose 以 IK 的方式回归，请问这两种方式的优缺点都是什么啊？