BBoxMaskPose v2：将相互条件作用扩展到三维
计算机视觉与模式识别
2026-01-22 v1
摘要
除拥挤场景外，大多数二维人体姿态估计基准已接近饱和。我们提出了PMPose，这是一种自上而下的二维姿态估计器，融合了概率公式和掩码条件作用。PMPose在不牺牲标准场景性能的情况下，改进了拥挤场景下的姿态估计。在此基础上，我们推出了BBoxMaskPose v2（BMPv2），它集成了PMPose和一个增强的基于SAM的掩码细化模块。BMPv2在COCO数据集上以1.5个平均精度（AP）点超越现有最佳水平，在OCHuman数据集上以6个AP点超越，成为首个在OCHuman上超过50 AP的方法。我们证明，BMP对三维模型的二维提示改进了拥挤场景下的三维姿态估计，并且二维姿态质量的提升直接惠及三维估计。在新型OCHuman-Pose数据集上的结果表明，多人性能受姿态预测准确性的影响大于受检测的影响。代码、模型和数据可在https://MiraPurkrabek.github.io/BBox-Mask-Pose/获取。
引用
@article{arxiv.2601.15200,
title = {BBoxMaskPose v2: Expanding Mutual Conditioning to 3D},
author = {Miroslav Purkrabek and Constantin Kolomiiets and Jiri Matas},
journal= {arXiv preprint arXiv:2601.15200},
year = {2026}
}
备注
GitHub repository: https://github.com/MiraPurkrabek/BBoxMaskPose/