MetaFuse：一种用于人体姿态估计的预训练融合模型
计算机视觉与模式识别
2020-03-31 v1
摘要
跨视角特征融合是解决人体姿态估计中遮挡问题的关键。当前的融合方法需要为每一对相机训练单独的模型，难以扩展。本文中，我们提出 MetaFuse，一种从 Panoptic 数据集中大量相机学习得到的预训练融合模型。该模型可使用少量标注图像高效地适配或微调于新的一对相机。MetaFuse 强大的适配能力在很大程度上归功于所提出的将原融合模型分解为两部分的方法：(1) 所有相机共享的通用融合模型，以及 (2) 轻量的相机相关变换。此外，通用模型通过元学习风格的算法从多相机中学习，以最大化其对各种相机位姿的适配能力。我们在实验中观察到，在公开数据集上微调的 MetaFuse 大幅优于当前最优方法，验证了其实用价值。
引用
@article{arxiv.2003.13239,
title = {MetaFuse: A Pre-trained Fusion Model for Human Pose Estimation},
author = {Rongchang Xie and Chunyu Wang and Yizhou Wang},
journal= {arXiv preprint arXiv:2003.13239},
year = {2020}
}
备注
Accepted to CVPR2020