利用多视图弱监督的遮挡感知多人解析
计算机视觉与模式识别
2025-09-15 v1
摘要
多人解析是分割人体部位同时将每个部位关联到其所属人的任务，结合实例级和部位级信息以实现细粒度的人体理解。在这项工作中，我们证明，尽管最先进的方法在公共数据集上取得了显著成果，但在分割身体重叠的人员时仍然相当困难。基于重叠的人从不同视角看可能显得分开的直觉，我们提出了一种新的训练框架，利用多视图信息来改进遮挡下的多人解析模型。我们的方法在训练过程中整合了这些知识，引入了一种基于人体实例弱监督的新方法和多视图一致性损失。鉴于文献中缺乏合适的数据集，我们提出了一种半自动标注策略，从多视图 RGB+D 数据和 3D 人体骨架生成人体实例分割掩码。实验表明，该方法在遮挡场景下的人体解析上比基线模型实现了高达 4.20% 的相对提升。
引用
@article{arxiv.2509.10093,
title = {Leveraging Multi-View Weak Supervision for Occlusion-Aware Multi-Human Parsing},
author = {Laura Bragagnolo and Matteo Terreran and Leonardo Barcellona and Stefano Ghidoni},
journal= {arXiv preprint arXiv:2509.10093},
year = {2025}
}
备注
ICIAP 2025