利用姿态一致性生成图像的多正例对比学习
计算机视觉与模式识别
2024-04-05 v1
摘要
模型预训练在各种识别任务中已变得不可或缺。同时，随着图像生成模型的显著进步，利用生成图像的预训练方法也因其能够产生无限训练数据而出现。然而，虽然利用生成图像的现有方法在分类方面表现出色，但在更实际的任务中，例如人体姿态估计，它们却显得不足。在本文中，我们通过实验证明了这一点，并提出生成具有相同人体姿态但在视觉上不同的图像。然后，我们提出了一种新颖的多正例对比学习，以最佳地利用先前生成的图像来学习人体的结构特征。我们将整个学习流程称为 GenPoCCL。尽管与当前最先进的方法相比，GenPoCCL 仅使用了不到 1% 的数据量，但它能更有效地捕捉人体的结构特征，在多种以人为中心的感知任务中超越了现有方法。
引用
@article{arxiv.2404.03256,
title = {Multi Positive Contrastive Learning with Pose-Consistent Generated Images},
author = {Sho Inayoshi and Aji Resindra Widya and Satoshi Ozaki and Junji Otsuka and Takeshi Ohashi},
journal= {arXiv preprint arXiv:2404.03256},
year = {2024}
}