姿态估计系统的变形测试
软件工程
2025-05-30 v1 人工智能
计算机视觉与模式识别
摘要
姿态估计系统被广泛应用于从体育分析到畜牧护理等诸多领域。鉴于其潜在影响力, 有必要系统性地测试其行为及潜在故障。由于 oracle 问题以及构建 ground truth 关键点的高成本, 这一任务极其复杂。手动标注构建基准关键点所需成本高, 且不同应用需要系统聚焦不同主体(如人类或动物)或关键点(仅末端肢体或整体身体和面部), 这使得标注测试数据极少可重用。为缓解这些问题, 我们提出了 MET-POSE, 一种用于姿态估计系统的变形测试框架, 通过无需手动标注即可评估这些系统在不同情景下的性能。MET-POSE 允许用户在更贴近其应用场景的条件下评估姿态估计系统, 无需为特定测试数据集进行标注, 或仅依赖可能不适用于其应用领域的可用数据集。虽我们以通用方式定义 MET-POSE, 但也列举了代表计算机视觉应用中常见挑战的变形规则, 并提供了评估这些规则的具体方法。随后, 我们通过将其应用于 Mediapipe Holistic, 一款最新人类姿态估计系统, 使用 FLIC 和 PHOENIX 数据集进行实验, 说明 MET-POSE 的有效性。通过这些实验, 我们概述了 MET-POSE 输出如何在类似或更高的率下发现姿态估计系统中的故障, 并展示用户可针对其应用相关的故障和准确性水平定制所使用的规则集。
引用
@article{arxiv.2502.09460,
title = {Metamorphic Testing for Pose Estimation Systems},
author = {Matias Duran and Thomas Laurent and Ellen Rushe and Anthony Ventresque},
journal= {arXiv preprint arXiv:2502.09460},
year = {2025}
}
备注
Accepted for publication at 2025 IEEE Conference on Software Testing, Verification and Validation (ICST)