摘要：简单的神经网络只会记忆训练集中2D 与3D 的拟合坐标，而不会考虑其真正的投影关系。因此本文利用GAN学习3D坐标的同时学习相机参数，通过重投影损失，降低直接估计的过拟合问题。该方法能对未知数据具有很好泛化能力。

一、介绍

模型包含三部分,输入到3D pose输出的生成器，判别3D pose是否合理可行的判别器，以及学习相机参数的NN。其中，判别器不仅记忆了来自数据集的3D pose，还能有效学习到判断合理三维姿态的方法，从而判别出训练集以外生成的3D pose的可行性。

贡献点：

1. 提出基于重投影的对抗训练方法
2. 能够实现无2D-3D对应关系和未知相机的弱监督
3. 模拟相机姿态估计
4. 利用链式结构（骨长、角度）信息
5. 模型泛化能力强

二、方法

1.姿态

（1）输入2D pose,经过两个残差模块（估计是martinez的结构）输入3D pose和相机内参矩阵；

（2）由于Hourglass网络估计的2D pose和Human3.6M数据的不对应，因此对未知的spine点直接置0；

2. 判别器

（1）一层将3D 转换为kcs，动力链式空间，即人体骨骼长度+各个相对角度，实现方法蛮有意思：

3*J的pose矩阵乘以元素为1或0或-1的j*b系数矩阵，使得关节点坐标转换为骨骼长度坐标3*b得到矩阵B;

将矩阵B转置自乘，得到对角线为骨骼长度，非对角为骨骼夹角的KCS矩阵；

（2）另一层直接是3D pose的坐标表示。

  (3) 判别式使用的WGAN的损失

3.相机估计/重投影误差

（1）用NN估计相机参数

（2） 弱相机视角下，相机内参矩阵满足

（3）相机参数损失为

（4）通过重投影误差，实现弱监督

三、实验结果

1.Human3.6M  89.9mm 50.0mm

2.MPI-INF-3DPH 82.5

个人总结：

1. KCS和重投影的挺有说服力

2.弱监督是指说明？W loss没用到真实3D 作为输入吗？