利用空间上下文信息的人体姿态估计
计算机视觉与模式识别
2019-01-08 v1
摘要
我们探究了空间上下文信息在人体姿态估计中的重要性。多数最先进姿态网络以多阶段方式训练并产生若干辅助预测以实现深度监督。基于该原则，我们提出两个概念简单且计算高效的模块，即级联预测融合(CPF)与姿态图神经网络(PGNN)，以利用底层上下文信息。级联预测融合累积先前阶段的预测图以提取信息性信号。所得图也作为先验引导后续阶段的预测。为促进关节间的空间关联，我们的 PGNN 将人体姿态学习为图的结构化表示。不同关节间的直接消息传递得以实现并捕获空间关系。这两个模块所需计算复杂度极为有限。实验结果表明，我们的方法在 MPII 与 LSP 基准上持续优于先前方法。
引用
@article{arxiv.1901.01760,
title = {Human Pose Estimation with Spatial Contextual Information},
author = {Hong Zhang and Hao Ouyang and Shu Liu and Xiaojuan Qi and Xiaoyong Shen and Ruigang Yang and Jiaya Jia},
journal= {arXiv preprint arXiv:1901.01760},
year = {2019}
}