用于人体姿态估计的贪婪偏移引导关键点分组
计算机视觉与模式识别
2021-09-07 v2
摘要
我们提出了一种简单而可靠的自下而上方法，在多人体姿态估计问题上取得了精度与效率的良好权衡。给定一幅图像，我们采用 Hourglass Network 无差别地推断出来自不同人的所有关键点，以及连接属于同一人的相邻关键点的引导偏移。然后，我们利用预测的引导偏移将候选关键点贪婪地分组为多个人的姿态（若有）。我们将此过程称为贪婪偏移引导关键点分组（GOG）。此外，我们重新审视了多人体关键点坐标的编码-解码方法，并揭示了影响精度的一些重要事实。实验证明了所引入组件带来的明显性能提升。在公平条件下，我们的方法在具有挑战性的 COCO 数据集上与当前最优（SOTA）方法相当。源代码与我们的预训练模型已在线公开。
引用
@article{arxiv.2107.03098,
title = {Greedy Offset-Guided Keypoint Grouping for Human Pose Estimation},
author = {Jia Li and Linhua Xiang and Jiwei Chen and Zengfu Wang},
journal= {arXiv preprint arXiv:2107.03098},
year = {2021}
}
备注
5 pages, 2 figures, code available at https://github.com/hellojialee/OffsetGuided