面向多人姿态估计的联合坐标回归与关联：一种纯神经网络方法
计算机视觉与模式识别
2024-04-22 v2 机器学习
摘要
我们提出一种新颖的单阶段端到端多人 2D 姿态估计算法，称为联合坐标回归与关联（JCRA），其在无需任何后处理的情况下生成人体姿态关节点与关联关系。所提算法快速、准确、有效且简洁。单阶段端到端网络架构显著提升了 JCRA 的推理速度。同时，我们为编码器与解码器设计了对称网络结构，确保关键点识别的高精度。其采用通过 transformer 网络直接输出部位位置的架构，带来性能的显著提升。在 MS COCO 与 CrowdPose 基准上的大量实验表明，JCRA 在精度与效率上均优于当前最优方法。此外，JCRA 取得 69.2 mAP，且推理加速比先前最优自底向上算法快 78%。该算法代码将公开可用。
引用
@article{arxiv.2307.01004,
title = {Joint Coordinate Regression and Association For Multi-Person Pose Estimation, A Pure Neural Network Approach},
author = {Dongyang Yu and Yunshi Xie and Wangpeng An and Li Zhang and Yufeng Yao},
journal= {arXiv preprint arXiv:2307.01004},
year = {2024}
}
备注
This paper has been accepted by MMasia 2023 and is an oral presentation