遮挡人体姿态估计的综合框架
计算机视觉与模式识别
2024-01-10 v2
摘要
遮挡是人体姿态估计中的一个重大挑战。遮挡带来的挑战可归因于以下因素：1）数据：遮挡人体姿态样本的收集和标注相对困难。2）特征：由于目标人物与干扰个体之间的高度相似性，遮挡可能导致特征混淆。3）推理：由于完整身体结构信息的丢失，鲁棒推理变得困难。现有针对遮挡人体姿态估计的方法通常只关注解决其中一个因素。本文提出了一个综合框架DAG（数据、注意力、图），以解决遮挡导致的性能下降。具体而言，我们引入了掩码关节与实例粘贴数据增强技术来模拟遮挡场景。此外，提出了自适应判别注意力模块（ADAM）以有效增强目标个体的特征。进一步，我们提出了特征引导的多跳GCN（FGMP-GCN）以充分探索身体结构的先验知识并改进姿态估计结果。通过在三个遮挡人体姿态估计基准数据集上进行的大量实验，我们证明了所提方法优于现有方法。代码和数据将公开提供。
引用
@article{arxiv.2401.00155,
title = {A comprehensive framework for occluded human pose estimation},
author = {Linhao Xu and Lin Zhao and Xinxin Sun and Di Wang and Guangyu Li and Kedong Yan},
journal= {arXiv preprint arXiv:2401.00155},
year = {2024}
}
备注
Accepted to ICASSP 2024