一种用于遮挡行人无监督姿态估计的端到端框架
计算机视觉与模式识别
2020-02-18 v1
摘要
自然场景中的姿态估计是一个具有挑战性的问题，特别是在（i）不同程度遮挡和（ii）拥挤室外场景的情况下。大多数现有的姿态估计研究未报道在类似情形下的性能。此外，任何相关标准数据集中均未提供人体被遮挡部分的姿态标注，这反过来给遮挡人体整体姿态估计所需的研究带来了进一步困难。知名行人检测数据集如 CityPersons 包含室外场景样本但不包含姿态标注。在此，我们提出了一种新颖的多任务框架，用于端到端训练以实现包括任何遮挡情形下的行人整体姿态估计。为解决网络训练中的该问题，我们利用姿态估计数据集 MS-COCO，并采用无监督对抗实例级域适应来估计遮挡行人的整体姿态。实验研究表明，所提框架在两个基准数据集上在重度遮挡（HO）和合理+重度遮挡（R + HO）情况下的姿态估计、实例分割和行人检测均优于 SOTA 结果。
引用
@article{arxiv.2002.06429,
title = {An End-to-End Framework for Unsupervised Pose Estimation of Occluded Pedestrians},
author = {Sudip Das and Perla Sai Raj Kishore and Ujjwal Bhattacharya},
journal= {arXiv preprint arXiv:2002.06429},
year = {2020}
}