基于自适应感受野与膨胀时序卷积的3D人体姿态估计
计算机视觉与模式识别
2020-05-29 v1 机器学习
摘要
本工作中，我们证明3D姿态估计中的感受野可利用光流有效指定。我们引入自适应感受野，一种基于光流推断辅助姿态估计模型感受野选择的简单有效方法。我们将运行于固定感受野的基准SOTA模型与其自适应感受野对应版本的性能进行对比。通过使用缩减的感受野，我们的模型处理慢动作序列(长10倍)比以常规速度运行的基准模型快23%。在计算成本降低的同时，姿态预测精度保持在距基准模型0.36%以内。
引用
@article{arxiv.2005.13797,
title = {3D human pose estimation with adaptive receptive fields and dilated temporal convolutions},
author = {Michael Shin and Eduardo Castillo and Irene Font Peradejordi and Shobhna Jayaraman},
journal= {arXiv preprint arXiv:2005.13797},
year = {2020}
}