DeepCut：面向多人姿态估计的联合子集划分与标记
计算机视觉与模式识别
2016-04-27 v2
摘要
本文考虑真实世界图像中多人的关节式人体姿态估计任务。我们提出一种联合求解检测与姿态估计任务的方法：它推断场景中的人数，识别被遮挡的身体部位，并消除彼此邻近人员间身体部位的歧义。这种联合公式化与先前先检测人再估计其身体姿态的策略相反。我们提出一种基于 CNN 部分检测器生成的一组身体部位假设的划分与标记公式化方法。我们的公式化是整数线性规划的一个实例，隐式地对部分候选集执行非极大抑制，并将其分组以形成遵守几何与外观约束的身体部位配置。在四个不同数据集上的实验展示了单人及多人姿态估计的当前最优结果。模型与代码见 http://pose.mpi-inf.mpg.de。
引用
@article{arxiv.1511.06645,
title = {DeepCut: Joint Subset Partition and Labeling for Multi Person Pose Estimation},
author = {Leonid Pishchulin and Eldar Insafutdinov and Siyu Tang and Bjoern Andres and Mykhaylo Andriluka and Peter Gehler and Bernt Schiele},
journal= {arXiv preprint arXiv:1511.06645},
year = {2016}
}
备注
Accepted at IEEE Conference on Computer Vision and Pattern Recognition (CVPR 2016)