用于人体解析的深度学习技术：综述与展望

人体解析旨在将图像或视频中的人体划分为多个像素级语义部件。在过去十年中，它引起了计算机视觉界的显著关注，并被广泛应用于从安全监控、社交媒体到视觉特效等众多实际场景中。尽管基于深度学习的人体解析方案已取得显著成就，但许多重要概念、现有挑战与潜在研究方向仍令人困惑。在本综述中，我们全面回顾了三个核心子任务：单人解析、多人解析和视频人体解析，介绍了它们各自的任务设定、背景概念、相关问题与应用、代表性文献及数据集。我们还给出了所综述方法在基准数据集上的定量性能比较。此外，为促进社区的可持续发展，我们提出了一种基于 transformer 的人体解析框架，通过通用、简洁且可扩展的解决方案为后续研究提供高性能基线。最后，我们指出了该领域中一组未被充分研究的开放问题，并建议了未来研究的新方向。我们还提供了一个定期更新的项目页面，以持续跟踪这一快速发展领域的最新进展：https://github.com/soeaver/awesome-human-parsing。