HPRNet：用于全身人体姿态估计的层次化点回归网络
计算机视觉与模式识别
2021-08-24 v2
摘要
本文提出一种用于全身姿态估计的新的自底向上单阶段方法，称为“层次化点回归”（hierarchical point regression），简称 HPRNet。在标准身体姿态估计中，估计人体上约 17 个主要关节的位置。不同的是，在全身姿态估计中，还需估计细粒度关键点（面部 68 个、每只手 21 个、每只脚 3 个）的位置，这带来了需解决的尺度方差问题。为处理不同身体部位间的尺度方差，我们构建了身体部位的层次化点表示并联合回归它们。各部位（如面部）内细粒度关键点的相对位置是参照该部位中心回归的，而该中心的位置本身是相对于人体中心估计的。此外，不同于现有两阶段方法，我们的方法以与图像中人数无关的恒定时间预测全身姿态。在 COCO WholeBody 数据集上，HPRNet 在所有全身部位（即身体、脚、面部和手）的关键点检测上显著优于以往所有自底向上方法；其在面部（75.4 AP）和手部（50.4 AP）关键点检测上也取得了当前最佳结果。代码与模型见 \url{https://github.com/nerminsamet/HPRNet}。
引用
@article{arxiv.2106.04269,
title = {HPRNet: Hierarchical Point Regression for Whole-Body Human Pose Estimation},
author = {Nermin Samet and Emre Akbas},
journal= {arXiv preprint arXiv:2106.04269},
year = {2021}
}
备注
accepted for publication at IMAVIS