点云 人体姿态估计 transformer

点云人体姿态估计transformer是一种基于Transformer网络架构的方法，用于将2D人体姿势提升到3D姿势。它受到了视觉Transformer（ViT）的启发，并利用空间变换器编码器来提取关键点之间的人体关节联系。该方法使用2D骨架作为输入，将每个关键点视为一个patch，并通过patch embedding和空间位置嵌入获得高维特征。然后，这些特征被送入空间变换器编码器，以提取关键点之间的关系，从而实现点云人体姿态估计。