OmniPose：一种用于多人姿态估计的多尺度框架
计算机视觉与模式识别
2021-03-19 v1 机器学习
图像与视频处理
摘要
我们提出OmniPose，一种单遍、端到端可训练的框架，在多人姿态估计上取得了最先进的结果。利用一种新颖的瀑布模块，OmniPose架构借助多尺度特征表示提升了骨干特征提取器的有效性，且无需后处理。OmniPose在多尺度特征提取器中融入跨尺度上下文信息与带高斯热图调制的关节定位，以最先进的精度估计人体姿态。OmniPose中经改进瀑布模块获得的尺度表示，利用了级联架构中渐进式滤波的高效性，同时保持与空间金字塔配置相当的多尺度视野。我们在多个数据集上的结果表明，配备改进HRNet骨干与瀑布模块的OmniPose是一种鲁棒且高效的多人姿态估计架构，取得了最先进的结果。
引用
@article{arxiv.2103.10180,
title = {OmniPose: A Multi-Scale Framework for Multi-Person Pose Estimation},
author = {Bruno Artacho and Andreas Savakis},
journal= {arXiv preprint arXiv:2103.10180},
year = {2021}
}
备注
arXiv admin note: text overlap with arXiv:2001.08095