通过上下文活动融合改进姿态估计
计算机视觉与模式识别
2022-10-27 v1 机器学习
摘要
本研究提出将活动融合入现有姿态估计架构以提升其预测能力的思路。其动机源于现代机器学习架构中更高层概念的兴起，以及认为活动上下文是姿态估计问题中有用信息的信念。为分析此概念，我们选取一种现有深度学习架构，并通过附加的1×1卷积将活动信息融合进模型。我们在常用姿态估计数据集上进行了评估与对比，显示出相对于基线模型的性能提升，尤其在不常见姿态与通常困难的关节上。此外，我们进行了消融分析以表明性能提升确实源自活动信息。
引用
@article{arxiv.2111.02500,
title = {Improving Pose Estimation through Contextual Activity Fusion},
author = {David Poulton and Richard Klein},
journal= {arXiv preprint arXiv:2111.02500},
year = {2022}
}
备注
8 pages, 8 figures