Dite-HRNet：面向人体姿态估计的动态轻量级高分辨率网络
计算机视觉与模式识别
2026-03-02 v3
摘要
高分辨率网络在提取人体姿态估计的多尺度特征方面表现出显著能力，但未能捕捉关节间的长程交互且计算复杂度高。为解决这些问题，我们提出一种动态轻量级高分辨率网络（Dite-HRNet），它能够高效提取多尺度上下文信息并为人体姿态估计建模长程空间依赖。具体而言，我们提出动态分离卷积与自适应上下文建模两种方法，并将其嵌入到两个新颖的轻量级模块中，分别命名为动态多尺度上下文模块和动态全局上下文模块。这两个模块作为我们 Dite-HRNet 的基本组成单元，专为高分辨率网络设计以充分利用并行的多分辨率架构。实验结果表明，所提出的网络在 COCO 和 MPII 人体姿态估计数据集上均取得了优越性能，超越了当前最先进的轻量级网络。代码见：https://github.com/ZiyiZhang27/Dite-HRNet。
引用
@article{arxiv.2204.10762,
title = {Dite-HRNet: Dynamic Lightweight High-Resolution Network for Human Pose Estimation},
author = {Qun Li and Ziyi Zhang and Fu Xiao and Feng Zhang and Bir Bhanu},
journal= {arXiv preprint arXiv:2204.10762},
year = {2026}
}
备注
Accepted by IJCAI-ECAI 2022