AIParsing：无锚框实例级人体解析
计算机视觉与模式识别
2022-09-14 v1
摘要
多数最先进的实例级人体解析模型采用两阶段基于锚框的检测器，因此无法避免启发式锚框设计以及缺乏像素级分析。为解决这两个问题，我们设计了一个无锚框且可在像素级求解的实例级人体解析网络。其由两个简单子网络组成：用于边界框预测的无锚框检测头，以及用于人体分割的边引导解析头。无锚框检测头继承了类像素的优点，并如目标检测应用中所证有效地避免了对超参数的敏感性。通过引入部位感知边界线索，边引导解析头能够在单个乃至重叠人体实例中区分多达58个相邻人体部位。同时，利用融合框级分数与部位级解析质量的精炼头以提升解析结果质量。在两个多人解析数据集（即CIHP和LV-MHP-v2.0）以及一个视频实例级人体解析数据集（即VIP）上的实验表明，相较最先进的一阶段自顶向下替代方法，我们的方法取得了最优的全局级与实例级性能。
引用
@article{arxiv.2207.06854,
title = {AIParsing: Anchor-free Instance-level Human Parsing},
author = {Sanyi Zhang and Xiaochun Cao and Guo-Jun Qi and Zhanjie Song and Jie Zhou},
journal= {arXiv preprint arXiv:2207.06854},
year = {2022}
}
备注
Accepted by IEEE Transactions on Image Processing (TIP)