用于多人姿态估计的双向图结构信息模型
计算机视觉与模式识别
2018-08-21 v2
摘要
本文提出一种新颖的多阶段网络架构，其每个阶段包含两支，用于估计图像中的多人姿态。第一支预测关节的置信度图，并利用几何变换核在置信度层面上于相邻关节间传播信息。第二支提出一种双向图结构信息模型（BGSIM）以编码丰富的上下文信息并推断不同关节间的遮挡关系。我们动态地将置信度图中响应最高的关节点确定为 BGSIM 中传递消息的基点。基于所提网络结构，我们在 COCO Keypoint Challenge 数据集上取得了 62.9 的平均精度，在 MPII（多人）数据集上取得了 77.6 的平均精度。与其他最优（state-of-the-art）方法相比，我们的方法在所选多人数据集上无需额外训练即可取得极具前景的结果。
引用
@article{arxiv.1805.00603,
title = {Bi-directional Graph Structure Information Model for Multi-Person Pose Estimation},
author = {Jing Wang and Ze Peng and Pei Lv and Junyi Sun and Bing Zhou and Mingliang Xu},
journal= {arXiv preprint arXiv:1805.00603},
year = {2018}
}