GraphEnet：基于图神经网络的事件驱动人体姿态估计
计算机视觉与模式识别
2025-10-10 v1
摘要
人体姿态估计是人机交互应用中的关键模块，自深度学习技术兴起以来，基于RGB摄像头和商业GPU的鲁棒方法已广泛应用于消费场景。相比之下，事件相机因其低延迟和低能耗优势，在受资源限制约束的场景（如便携式电子设备和移动机器人）中受到视觉研究社区的广泛关注。本文提出一种图神经网络方法GraphEnet，利用事件相机稀疏输出特性，结合基于线的事件表示，实现对单个身体姿态的高频率2D姿态估计。该架构引入了新颖的偏移向量学习范式，结合基于置信度的池化操作进行姿态估计。这也是首次将图神经网络应用于事件数据进行人体姿态估计。代码已开源于 https://github.com/event-driven-robotics/GraphEnet-NeVi-ICCV2025。
引用
@article{arxiv.2510.07990,
title = {GraphEnet: Event-driven Human Pose Estimation with a Graph Neural Network},
author = {Gaurvi Goyal and Pham Cong Thuong and Arren Glover and Masayoshi Mizuno and Chiara Bartolozzi},
journal= {arXiv preprint arXiv:2510.07990},
year = {2025}
}