用于多人姿态估计的可微分层图分组方法
计算机视觉与模式识别
2020-07-24 v1
摘要
多人姿态估计具有挑战性，因为它需同时定位多个人的身体关键点。先前方法可分为两流，即自顶向下与自底向上方法。自顶向下方法在行人检测后定位关键点，而自底向上方法直接定位关键点再为不同人聚类/分组，通常比自顶向下方法更高效。然而，在现有自底向上方法中，关键点分组通常与关键点检测独立求解，使其无法端到端训练且性能次优。本文研究人体部位分组的新视角，并将其重新表述为图聚类任务。特别地，我们提出一种新颖的可微分层图分组（HGG）方法，以在自底向上多人姿态估计任务中学习图分组。此外，HGG易于嵌入主流自底向上方法。它将人体关键点候选作为图节点，并在多层图神经网络模型中聚类关键点。HGG的模块可与关键点检测网络端到端训练，并能以分层方式监督分组过程。为提升聚类的判别性，我们添加了一组边判别器与宏节点判别器。在COCO与OCHuman数据集上的大量实验表明，所提方法提升了自底向上姿态估计方法的性能。
引用
@article{arxiv.2007.11864,
title = {Differentiable Hierarchical Graph Grouping for Multi-Person Pose Estimation},
author = {Sheng Jin and Wentao Liu and Enze Xie and Wenhai Wang and Chen Qian and Wanli Ouyang and Ping Luo},
journal= {arXiv preprint arXiv:2007.11864},
year = {2020}
}
备注
To appear on ECCV 2020