GenHPE: Generative Counterfactuals for 3D Human Pose Estimation with Radio Frequency Signals

1. 提出了GenHPE，这是第一个针对无线射频信号3D人体姿态估计的领域泛化工作，并首次尝试使用生成模型帮助无线射频信号模型跨领域泛化。

2. 设计了一种基于差异的方案，使用反事实无线射频信号去除特定领域的混淆因素，并正则化编码器-解码器模型以学习跨领域3D人体姿态估计的域独立表示。

3. 在公共数据集上进行了实验，证明了GenHPE在跨主体和环境场景中显著降低了3D人体姿态估计误差。

1. 生成模型：条件DDPM、DDIM和CGAN

2. 骨架嵌入：将人体部位表示为骨架嵌入，并使用它们作为生成模型的条件来合成无线射频信号。

3. 反事实合成：通过操纵骨架标签（例如，移除身体部位）作为生成模型的反事实条件，以合成反事实无线射频信号。

4. 基于差异的聚合：通过计算反事实信号之间的差异来消除特定领域的混淆因素，并将这些差异聚合起来以近似与所有身体部位相关的信号，从而正则化编码器-解码器模型以学习域独立表示。

5. 域独立表示学习：使用编码器-解码器模型来估计3D空间中的人体关节坐标，并使用反事实正则化来确保编码器学习域独立表示。