用于人体姿态回归的手性网络
计算机视觉与模式识别
2019-11-04 v1 机器学习
摘要
我们提出手性网络（Chirality Nets），一类对“手性变换”（即创建手性对的变换）等变的深度网络。通过参数共享、奇对称与偶对称，我们提出并证明了满足等变性质的标准深度网络构建块的变体，包括全连接层、卷积层、批归一化以及 LSTM/GRU 单元。所提层通过利用对称性实现了更高数据效率的表示并减少了计算量。我们在人体姿态回归任务上评估手性网络，该任务自然利用了人体的左右镜像。我们研究了三个姿态回归任务：基于视频的 3D 姿态估计、2D 姿态预测以及基于骨架的活动识别。我们的方法取得或匹敌最先进结果，在小型数据集与有限数据设定下增益更为显著。
引用
@article{arxiv.1911.00029,
title = {Chirality Nets for Human Pose Regression},
author = {Raymond A. Yeh and Yuan-Ting Hu and Alexander G. Schwing},
journal= {arXiv preprint arXiv:1911.00029},
year = {2019}
}
备注
Accepted to NeurIPS2019