重访部件混合模型：用于姿态估计的表达性部件交互
计算机视觉与模式识别
2014-12-23 v1
摘要
针对人体姿态估计问题，具有受限树结构交互的基于部件的模型遗留了许多未处理的部件交互。其中两种最常见且强烈的表现形式是部件间的自遮挡以及非相邻对称部件定位中的混淆。通过以数据高效的方式处理自遮挡，我们大幅提升了基础部件混合模型（Mixture of Parts）的性能，尤其是在罕见姿态上。通过结合两棵互补的树来解决对称肢体定位中的混淆问题，我们在将所有部件性能提升的同时，运行时间最多仅增加一倍。最后，我们展示了这两种解决方案的结合能进一步改善结果。我们在两个标准数据集上报告了相当于最先进水平（state-of-the-art）的结果。由于保持了树结构交互且仅对基础部件混合模型进行部件级建模，这一成果是在远少于最佳性能基于部件模型所需的时间内实现的。
引用
@article{arxiv.1412.6791,
title = {Mixture of Parts Revisited: Expressive Part Interactions for Pose Estimation},
author = {Anoop Katti and Anurag Mittal},
journal= {arXiv preprint arXiv:1412.6791},
year = {2014}
}