HGMamba: Enhancing 3D Human Pose Estimation with a HyperGCN-Mamba Network

Authors: HU CUI and Tessai Hayama
Conference: 2025 International Joint Conference on Neural Networks (IJCNN)
📄 arXiv:2504.06638

The paper introduces HGMamba, a novel network combining HyperGCN and Shuffle Mamba to enhance 3D human pose estimation from 2D pose data.
HyperGCN captures local joint dependencies via hypergraphs, while Shuffle Mamba scans global spatio-temporal patterns across all joints.
By fusing both, HGMamba models both local structure and global context effectively.
Tested on Human3.6M and MPI-INF-3DHP, HGMamba-B achieved state-of-the-art P1 errors: 38.65 mm and 14.33 mm, respectively.

本論文では、2D姿勢データからの3D姿勢推定を高精度化する新しいネットワーク「HGMamba」を提案しています。
HyperGCNは関節間の局所構造をハイパーグラフで捉え、Shuffle Mambaは全関節にわたる時空間的特徴を抽出します。
両者を融合することで、局所とグローバルの特徴を高精度にモデリングします。
Human3.6MおよびMPI-INF-3DHPで評価した結果、HGMamba-BはP1エラー38.65mm／14.33mmと最先端の精度を達成しました。