DHRNet：用于多人姿态估计的双路径层次关系网络
计算机视觉与模式识别
2024-04-30 v2
摘要
多人姿态估计（MPPE）是计算机视觉中棘手而关键的挑战。大多数现有方法仅专注于实例之间或关节之间单一的相互作用，这对于同时定位实例和关节的场景而言不够。本文提出一种新型基于卷积神经网络的单阶段方法，称为双路径层次关系网络（Dual-path Hierarchical Relation Network, DHRNet），以同时提取实例到关节和关节到实例的相互作用。具体而言，我们设计了双路径相互作用建模模块（DIM）， strategically 将跨实例和跨关节的相互作用建模模块以两种互补的顺序组织，从而通过整合不同相关性建模分支的优势来丰富相互作用信息。值得注意的是，DHRNet通过利用来自其他实例和关节的信息在关节定位方面表现突出。在挑战性数据集（包括COCO、CrowdPose和OCHuman）上的广泛评估表明，DHRNet在多人姿态估计任务中实现了最新的性能。代码将在 https://github.com/YHDang/dhrnet-multi-pose-estimation 发布。
引用
@article{arxiv.2404.14025,
title = {DHRNet: A Dual-Path Hierarchical Relation Network for Multi-Person Pose Estimation},
author = {Yonghao Dang and Jianqin Yin and Liyuan Liu and Pengxiang Ding and Yuan Sun and Yanzhu Hu},
journal= {arXiv preprint arXiv:2404.14025},
year = {2024}
}