基于拓扑约束的人群定位

我们解决人群定位问题，即预测拥挤场景中与人物对应的点。由于各种挑战，定位方法容易出现空间语义错误，即在同一个人内部预测多个点，或在杂乱区域中折叠多个点。我们提出一种针对这些语义错误的拓扑方法。我们引入一种拓扑约束，教导模型对点的空间排布进行推理。为强制该约束，我们基于持续同调理论定义了一种持续损失(persistence loss)。该损失比较似然图的地貌与真值的拓扑。拓扑推理提升了定位算法的质量，尤其在杂乱区域附近。在多个公开基准上，我们的方法优于以往的定位方法。此外，我们展示了我们的方法在提升人群计数任务性能方面的潜力。