I^2R-Net：用于多人姿态估计的人内与人际关联网
计算机视觉与模式识别
2022-06-28 v2 人工智能
摘要
本文提出用于多人姿态估计的人内与人际关联网（I^2R-Net）。它包含两个基本模块。首先，人内关系模块在单个人体上运作，旨在捕获人内依赖关系。其次，人际关模块考虑多个实例之间的关系，聚焦于捕获人际交互。人际关模块可通过降低特征图分辨率设计得十分轻量，却能学习有用的关系信息以显著提升人内关系模块的性能。即便不加任何花哨技巧，我们的方法也能与当前比赛冠军媲美或超越。我们在 COCO、CrowdPose 和 OCHuman 数据集上进行了广泛实验。结果表明所提模型超越了所有最先进方法。具体而言，所提方法在 CrowPose 数据集上达到 77.4% AP，在 OCHuman 数据集上达到 67.8% AP，大幅优于现有方法。此外，消融研究与可视化分析也证明了我们模型的有效性。
引用
@article{arxiv.2206.10892,
title = {I^2R-Net: Intra- and Inter-Human Relation Network for Multi-Person Pose Estimation},
author = {Yiwei Ding and Wenjin Deng and Yinglin Zheng and Pengfei Liu and Meihong Wang and Xuan Cheng and Jianmin Bao and Dong Chen and Ming Zeng},
journal= {arXiv preprint arXiv:2206.10892},
year = {2022}
}
备注
Accepected by IJCAI 2022