Graph-PCNN：基于图姿态精化的两阶段人体姿态估计
计算机视觉与模式识别
2020-07-22 v1
摘要
近年来，大多数最先进的人体姿态估计方法都基于热图回归。关键点的最后坐标通过直接解码热图获得。本文旨在寻找一种更好的方法以获得更精确的定位结果。我们主要提出两点改进建议：1）对于粗略定位和精确定位应采用不同的特征与方法；2）应考虑关键点之间的关系。具体而言，我们提出了一种基于图且与模型无关的二阶段框架，称为 Graph-PCNN，它在原始热图回归网络上添加了定位子网络与图姿态精化模块。在第一阶段，应用热图回归网络获得粗略定位结果，并采样一组称为引导点的候选关键点。在第二阶段，对于每一个引导点，由定位子网络提取不同的视觉特征。图姿态精化模块探索引导点之间的关系以获得更精确的定位结果。实验表明，Graph-PCNN 可应用于多种骨干网络并大幅提升性能。不加任何额外技巧，我们的最佳模型在 COCO test-dev 划分上取得了 76.8% AP 的新的最先进水平。
引用
@article{arxiv.2007.10599,
title = {Graph-PCNN: Two Stage Human Pose Estimation with Graph Pose Refinement},
author = {Jian Wang and Xiang Long and Yuan Gao and Errui Ding and Shilei Wen},
journal= {arXiv preprint arXiv:2007.10599},
year = {2020}
}
备注
Accepted to ECCV2020