一种自监督压力图人体关键点检测方法：跨数据集优化泛化性与计算效率
计算机视觉与模式识别
2025-01-14 v1 人工智能
摘要
在 RGB 图像不足的环境中，压力图是一种可行的替代方案，并引起了学术界的关注。本研究引入了一种新颖的自监督压力图关键点检测（SPMKD）方法，解决了当前针对从压力图中提取人体关键点缺乏专门设计的问题。我们贡献的核心是编码器 - 融合器 - 解码器（EFD）模型，这是一个鲁棒的框架，集成了一个用于精确人体关键点检测的轻量级编码器、一个用于高效梯度传播的融合器，以及一个将人体关键点转换为重构压力图的解码器。该结构进一步通过分类到回归权重迁移（CRWT）方法得到增强，该方法通过初始分类任务训练来微调精度。这一创新不仅在没有人工标注的情况下增强了人体关键点的泛化能力，还展示了卓越的效率和泛化性，与基线方法相比，FLOPs 减少了至 ，参数量减少了至 。
引用
@article{arxiv.2402.14241,
title = {A Self-supervised Pressure Map human keypoint Detection Approch: Optimizing Generalization and Computational Efficiency Across Datasets},
author = {Chengzhang Yu and Xianjun Yang and Wenxia Bao and Shaonan Wang and Zhiming Yao},
journal= {arXiv preprint arXiv:2402.14241},
year = {2025}
}
备注
5pages, 6figures