用于语义人体解析的图增强注意力网络
计算机视觉与模式识别
2024-07-09 v1
摘要
由于多实例和部件间语义混淆以及遮挡，自然场景中的人体解析仍然是一个具有挑战性的问题。本文提出了一种在无约束环境中将多个人体分解为语义部分区域的新方法。具体来说，我们提出了一种卷积神经网络（CNN）架构，该架构在特征层次结构中包含新颖的语义和轮廓注意力机制，以解决与语义人体解析相关的语义模糊性和边界定位问题。我们进一步提出将估计的姿态编码为更高层次的上下文信息，并以一种原则性的方式在一种新颖的图模型中与局部语义线索相结合。在该模型中，较低层次的语义线索可以通过从估计姿态传播更高层次的上下文信息来递归更新，反之亦然，从而减轻错误的姿态信息和像素级预测。我们还提出了一种优化技术来高效地推导解。我们的方法在具有挑战性的Pascal Person-Part数据集上取得了最先进的结果。
引用
@article{arxiv.2407.05924,
title = {Graph-Boosted Attentive Network for Semantic Body Parsing},
author = {Tinghuai Wang and Huiling Wang},
journal= {arXiv preprint arXiv:2407.05924},
year = {2024}
}