面向不确定性感知人体姿态估计的连续归一化流
计算机视觉与模式识别
2026-01-30 v1
摘要
人体姿态估计（HPE）对于虚拟现实和运动分析等应用日益重要，然而当前方法在平衡精度、计算效率和可靠的不确定性量化（UQ）方面存在困难。传统的基于回归的方法假设固定分布，这可能导致较差的不确定性量化。基于热力图的方法能有效利用似然热力图对输出分布进行建模，但它们需要大量资源。为解决此问题，我们提出了连续流残差估计（CFRE），这是一种将连续归一化流（CNF）集成到基于回归的模型中的方法，允许动态分布自适应。通过大量实验，我们表明CFRE在2D和3D人体姿态估计任务上，在保持计算效率的同时，实现了更好的精度和不确定性量化。
引用
@article{arxiv.2505.02287,
title = {Continuous Normalizing Flows for Uncertainty-Aware Human Pose Estimation},
author = {Shipeng Liu and Ziliang Xiong and Bastian Wandt and Per-Erik Forssén},
journal= {arXiv preprint arXiv:2505.02287},
year = {2026}
}
备注
Accepted by SCIA2025