一种面向半监督 2D 人体姿态估计的新型教师-审阅-学生框架
计算机视觉与模式识别
2025-01-17 v1
摘要
传统的 2D 人体姿态估计方法通常需要大量标记注释，这些注释既费力又昂贵。相比之下，半监督 2D 人体姿态估计可以通过利用大量未标记数据以及少量标记数据来缓解上述问题。现有的半监督 2D 人体姿态估计方法通过反向传播来更新网络，忽略了来自前一训练过程中关键历史信息。因此，我们提出了一种全新的半监督 2D 人体姿态估计方法，利用新设计的教师-审阅-学生框架。具体而言，我们首先模拟人类不断复习先前知识以巩固记忆的现象，以设计该框架，其中教师预测结果以指导学生学习，审阅者存储重要的历史参数以提供额外的监督信号。其次，我们引入一种多级特征学习策略，该策略利用骨干网络不同阶段的输出来估计热图，以指导网络训练，既丰富了监督信息，又有效地捕获关键点之间的关系。最后，我们设计了一种数据增强策略，即关键点混合 (Keypoint-Mix)，通过混合不同关键点来扰动姿态信息，从而增强网络辨别关键点的能力。在公开可用的多个数据集上进行的广泛实验表明，我们的方法相对于现有方法实现了显著的改进。
引用
@article{arxiv.2501.09565,
title = {A New Teacher-Reviewer-Student Framework for Semi-supervised 2D Human Pose Estimation},
author = {Wulian Yun and Mengshi Qi and Fei Peng and Huadong Ma},
journal= {arXiv preprint arXiv:2501.09565},
year = {2025}
}