本文盘点CVPR 2020 所有人体姿态估计（Human Pose Estimation）、手势识别（Gesture Recognition）、人体形状与姿态估计（Human Shape and Pose Estimation）、人体运动捕捉（Human Motion Capture）相关论文，总计27篇，对文献进行了分类汇总，希望对大家有帮助。

人体姿态估计分为2D（6篇）和3D（11篇）两大类；手势识别只有两篇文献，一篇基于骨架，另一篇基于点云的；人体形状与姿态估计是同时计算人体的姿态和网格有，有3篇；动作捕捉对人体形状和姿态进行连续计算，反应人体的运动，在动画制作、电影特效有重要应用。

另外还有一篇手持物体的姿态估计，同时对人手进行2D/3D姿态估计和物体6D位姿估计，代码已开源。

大家可以在：

http://openaccess.thecvf.com/CVPR2020.py

按照题目下载这些论文。

如果想要下载所有CVPR 2020论文，请点击这里：

CVPR 2020 论文全面开放下载，含主会和workshop

2D 人体姿态估计

一种不需要后处理的单人姿态估计方法，可扩展到视频

[1].UniPose: Unified Human Pose Estimation in Single Images and Videos

作者 | Bruno Artacho, Andreas Savakis

单位 | 罗切斯特理工学院

对之前SOTA方法数据处理部分的无偏处理，大幅提升了精度

[2].The Devil Is in the Details: Delving Into Unbiased Data Processing for Human Pose Estimation

作者 | Junjie Huang, Zheng Zhu, Feng Guo, Guan Huang

单位 | XForwardAI Technology Co.,Ltd；清华

代码 | https://github.com/HuangJunJie2017/UDP-Pose

一种新的自下而上的人体姿势估计方法，用于使用高分辨率特征金字塔学习尺度感知表示。该方法配备了用于训练的多分辨率监督和用于推理的多分辨率聚合，能够解决自下而上的多人姿势估计中的尺度变化挑战，并能更精确地定位关键点，尤其是对于小人物。

[3].HigherHRNet: Scale-Aware Representation Learning for Bottom-Up Human Pose Estimation

作者 | Bowen Cheng, Bin Xiao, Jingdong Wang, Honghui Shi, Thomas S. Huang, Lei Zhang

单位 | UIUC；微软；俄勒冈大学

代码 | https://github.com/HRNet/HigherHRNet-Human-Pose-Estimation

解读 | https://blog.csdn.net/weixin_40671425/article/details/105600137

分布感知的坐标表示用于姿态估计。利用heatmap上的最大值以及其对应位置m, 来估计真实高斯分布均值位置μ. 这样的量化误差能够得到最大程度上的减轻。

[4].Distribution-Aware Coordinate Representation for Human Pose Estimation

作者 | Feng Zhang, Xiatian Zhu, Hanbin Dai, Mao Ye, Ce Zhu

单位 | 电子科技大学；悉尼大学

代码 | https://github.com/ilovepose/DarkPose

解读 | https://blog.csdn.net/senius/article/details/102595771