低分辨率人体姿态估计
计算机视觉与模式识别
2021-09-21 v1
摘要
人体姿态估计在高成像分辨率图像上已取得显著进展。然而，低分辨率图像数据带来了尚未被充分研究的非平凡挑战。为填补此空白，我们首先研究现有方法并揭示，占主导的基于热图的方法会因低分辨率遭受更严重的模型性能退化，而偏移学习是一种有效策略。基于该观察，本文提出一种新颖的置信度感知学习（CAL）方法，进一步解决现有偏移学习方法的两个基本局限：训练与测试不一致、热图与偏移学习解耦。具体而言，CAL 依据真值与最具置信度的预测选择性地加权热图与偏移的学习，同时以 mini-batch 学习方式捕获模型输出的统计重要性。在 COCO 基准上进行的广泛实验表明，我们的方法在低分辨率人体姿态估计上显著优于最先进（SOTA）方法。
引用
@article{arxiv.2109.09090,
title = {Low-resolution Human Pose Estimation},
author = {Chen Wang and Feng Zhang and Xiatian Zhu and Shuzhi Sam Ge},
journal= {arXiv preprint arXiv:2109.09090},
year = {2021}
}
备注
29 pages, 6 figures, under review of Pattern Recognition