LGM-Pose：用于实时人体姿态估计的轻量级全局建模网络
计算机视觉与模式识别
2025-11-14 v2
摘要
当前大多数顶级顶部-下多人姿态估计轻量级方法基于多分支平行纯 CNN 网络结构，往往难以捕获用于检测语义复杂关键点的全局上下文，同时因其复杂冗余结构导致延迟高。为此，本文提出一种近似单分支轻量级全局建模网络（LGM-Pose），以解决上述挑战。网络中设计了轻量级 MobileViM 模块，并提出了 Lightweight Attentional Representation Module（LARM），通过 Non-Parametric Transformation Operation（NPT-Op）整合 patch 内部及跨 patch 间的信息，以提取全局信息。此外，引入新型 Shuffle-Integrated Fusion Module（SFusion），有效整合多尺度信息，缓解单分支结构常見的性能退化。在 COCO 和 MPII 数据集上的实验评估表明，我们的方法不仅在参数数量上优于现有主流轻量级方法，还实现了卓越的性能与更快的处理速度。
引用
@article{arxiv.2506.04561,
title = {LGM-Pose: A Lightweight Global Modeling Network for Real-time Human Pose Estimation},
author = {Biao Guo and Cong Zhou and Fangmin Guo and Xiaonan Luo and Guibo Luo and Feng Zhang},
journal= {arXiv preprint arXiv:2506.04561},
year = {2025}
}