CrowdPose：面向拥挤场景的高效姿态估计与新基准
计算机视觉与模式识别
2019-01-24 v2
摘要
多人姿态估计是许多计算机视觉任务的基础，近年来取得了显著进展。然而，以往方法很少探讨拥挤场景下的姿态估计问题，而这在许多应用场景中仍具挑战且不可避免。此外，当前基准无法对此类情况提供恰当的评估。本文提出一种新颖且高效的方法来解决人群中的姿态估计问题，并构建一个新数据集以更好地评估算法。我们的模型由两个关键组件构成：关节候选单人姿态估计（SPPE）与全局最大关节关联。通过对每个关节进行多峰预测并利用图模型进行全局关联，我们的方法对拥挤场景中不可避免的干扰具有鲁棒性，且推理非常高效。所提方法在 CrowdPose 数据集上以 5.2 mAP 超越最先进（SOTA）方法，在 MSCOCO 数据集上的结果证明了我们方法的泛化能力。源代码与数据集将公开可用。
引用
@article{arxiv.1812.00324,
title = {CrowdPose: Efficient Crowded Scenes Pose Estimation and A New Benchmark},
author = {Jiefeng Li and Can Wang and Hao Zhu and Yihuan Mao and Hao-Shu Fang and Cewu Lu},
journal= {arXiv preprint arXiv:1812.00324},
year = {2019}
}