一种用于人体姿态估计的潜在服装属性方法
计算机视觉与模式识别
2014-11-18 v1
摘要
作为涉及图像解析、动作识别和服装检索等多种视觉任务的基础技术，人体姿态估计（HPE）近年来得到了广泛研究。为了实现准确可靠的人体姿态估计，人们普遍认为服装属性是有用的，应当加以合理利用。然而，大多数先前的方法需要手动标注服装属性，因此成本非常高昂。在本文中，我们提出并探索了一种用于 HPE 的潜在服装属性方法。与先前的方法不同，我们的方法将服装属性建模为潜在变量，因此不需要对服装属性进行显式标注。潜在变量的推断是通过利用潜在结构化支持向量机（LSSVM）框架完成的。我们采用交替方向策略来训练 LSSVM 模型：在每次迭代中，固定一类变量（例如人体姿态或服装属性）并优化其他变量。我们在两个真实世界基准测试上的大量实验表明，我们提出的方法具有最先进的性能。
引用
@article{arxiv.1411.4331,
title = {A Latent Clothing Attribute Approach for Human Pose Estimation},
author = {Weipeng Zhang and Jie Shen and Guangcan Liu and Yong Yu},
journal= {arXiv preprint arXiv:1411.4331},
year = {2014}
}
备注
accepted to ACCV 2014, preceding work http://arxiv.org/abs/1404.4923