超分辨率能否用于改善低分辨率场景下的人体姿态估计？
计算机视觉与模式识别
2022-05-16 v2
摘要
最先进的人体姿态估计（HPE）模型在评估低分辨率人物时性能迅速下降，但超分辨率（SR）能否用于帮助缓解这一影响？通过使用多种 SR 方法，我们增强的两个低分辨率数据集，并评估了目标检测与关键点检测器以及端到端 HPE 结果的性能变化。我们得出如下观察。首先，我们发现对于最初以低分辨率（以像素计的分割面积）描绘的人物，在应用 SR 后其关键点检测性能会提升。其次，所获得的关键点检测性能提升取决于该人物在应用任何 SR 之前的原始图像中的像素数；当 SR 应用于初始分割面积较小的人物时关键点检测性能得到改善，但随着初始分割面积增大而下降。为此，我们引入了一种新颖的 Mask-RCNN 方法，利用分割面积阈值来决定在关键点检测步骤中何时使用 SR。该方法在我们的低分辨率数据集上针对各项 HPE 性能指标均取得了最佳结果。
引用
@article{arxiv.2107.02108,
title = {Can Super Resolution be used to improve Human Pose Estimation in Low Resolution Scenarios?},
author = {Peter Hardy and Srinandan Dasmahapatra and Hansung Kim},
journal= {arXiv preprint arXiv:2107.02108},
year = {2022}
}