來自北京大學、蘇黎世聯邦理工學院、阿里巴巴的研究者們提出了一種基于多假設Transformer的三維人體姿態估計新框架MHFormer，來減輕三維人體姿態估計中的歧義逆問題。性能超越PoseFormer 3%，并在Human3.6M和MPI-INF-3DHP數據集上都取得了當前佳的性能。代碼已開源！

本文針對三維人體姿態估計存在多個可行性解的逆問題，提出了一種來學習姿態假設多重表示的多假設Transformer的新方法。與大多數輸出多個預測的方法不同，本文提出使用一對多對一的三階段框架來有效地學習多假設的時空表示。它提G了每個假設的表示能力，同時也增強了多個假設之間的聯系。大量實驗表明，所提出的MHFormer與單假設Transformer相比具有巨大的提升，并在兩個基準數據集上實現了佳的性能。作者希望MHFormer能夠促進2D到3D姿態姿態提升的進一步研究，同時考慮到各種歧義性。