AP-10K：一种面向野外动物姿态估计的基准数据集
计算机视觉与模式识别
2021-11-02 v2
摘要
准确的动物姿态估计是理解动物行为的关键步骤，并可能惠及许多下游应用，例如野生动物保护。以往的工作仅关注特定动物而忽略了动物物种的多样性，限制了泛化能力。在本文中，我们提出 AP-10K，首个面向哺乳动物动物姿态估计的大规模基准，以促进动物姿态估计的研究。AP-10K 包含按照分类阶元收集并筛选自 23 个动物科、54 个物种的 10,015 张图像，以及人工标注并核对的高质量关键点注释。基于 AP-10K，我们在以下三个赛道上对具有代表性的姿态估计模型进行基准测试：(1) 用于动物姿态估计的监督学习，(2) 从人体姿态估计到动物姿态估计的跨域迁移学习，以及 (3) 面向未见动物的科内与科间域泛化。实验结果提供了可靠的实证证据，表明从多样化动物物种中学习在准确率和泛化能力方面均具有优势。它为促进未来动物姿态估计研究开辟了新方向。AP-10k 公开可用：https://github.com/AlexTheBad/AP10K。
引用
@article{arxiv.2108.12617,
title = {AP-10K: A Benchmark for Animal Pose Estimation in the Wild},
author = {Hang Yu and Yufei Xu and Jing Zhang and Wei Zhao and Ziyu Guan and Dacheng Tao},
journal= {arXiv preprint arXiv:2108.12617},
year = {2021}
}
备注
Accepted to NeurIPS 2021 Datasets and Benchmarks Track