DRSI-Net：用于多人姿态估计的双残差空间交互网络
计算机视觉与模式识别
2024-05-10 v2
摘要
多人姿态估计（MPPE）旨在定位帧中所有人的关键点，是计算机视觉中一个活跃的研究分支。多变的人体姿态和复杂的场景使得 MPPE 依赖于局部细节和全局结构；缺乏这些信息可能导致关键点特征错位。在这种情况下，能够有效连接特征局部和全局信息的高阶空间交互尤为重要。然而，大多数方法并未包含空间交互。少数方法具有低阶空间交互，但难以在精度和复杂度之间取得良好平衡。为解决上述问题，本文提出了一种用于 MPPE 的高精度、低复杂度双残差空间交互网络（DRSI-Net）。与其他方法相比，DRSI-Net 递归地对邻近特征执行残差空间信息交互，从而保留更多有用的空间信息，并在浅层和深层提取特征之间获得更高的相似性。引入多尺度特征融合中的通道与空间双重注意力机制，有助于网络自适应地聚焦于与目标关键点相关的特征，并进一步细化生成的姿态。同时，通过优化交互通道维度并分割梯度流，空间交互模块被设计为轻量级，从而降低了网络复杂度。在 COCO 数据集上的实验结果表明，所提出的 DRSI-Net 在精度和复杂度方面均优于其他最先进（state-of-the-art）方法。
引用
@article{arxiv.2402.16640,
title = {DRSI-Net: Dual-Residual Spatial Interaction Network for Multi-Person Pose Estimation},
author = {Shang Wu and Bin Wang},
journal= {arXiv preprint arXiv:2402.16640},
year = {2024}
}