用于单阶段多人姿态估计的混合模型
计算机视觉与模式识别
2023-06-21 v2
摘要
一般而言，人体姿态估计方法按其架构分为两类：回归（即无热图）方法和基于热图的方法。前者直接使用卷积层和全连接层估计每个关键点的精确坐标。尽管该方法能检测重叠和密集关键点，但可能由场景中不存在的关键点得到意外结果。另一方面，后者能够利用为每个关键点预测的的热图过滤掉不存在的关键点。然而，在从热图获取关键点坐标时它遭受量化误差。此外，与回归方法不同，它难以区分图像中密集放置的关键点。为此，我们提出一种用于单阶段多人姿态估计的混合模型，名为 HybridPose，其通过最大化两种方法的优势相互克服各自的缺陷。此外，我们引入自相关损失以注入关键点坐标与其可见性之间的空间依赖关系。因此，HybridPose 不仅能够检测密集放置的关键点，还能过滤图像中不存在的关键点。实验结果表明，所提 HybridPose 在姿态估计精度方面无性能下降地展现出关键点可见性。
引用
@article{arxiv.2305.01167,
title = {Hybrid model for Single-Stage Multi-Person Pose Estimation},
author = {Jonghyun Kim and Bosang Kim and Hyotae Lee and Jungpyo Kim and Wonhyeok Im and Lanying Jin and Dowoo Kwon and Jungho Lee},
journal= {arXiv preprint arXiv:2305.01167},
year = {2023}
}