关于关键点估计任务中的坐标解码
计算机视觉与模式识别
2021-10-22 v1 人工智能
机器学习
摘要
一系列2D（及3D）关键点估计任务构建于热图坐标表示之上，即一种概率图，允许在网格上对关键点坐标进行可学习且具空间感知的编码与解码，甚至可实现亚像素坐标精度。在本报告中，我们旨在复现DARK的发现，该研究通过强调真实热图编码与预测热图解码至关键点坐标的重要性，考察了2D热图表示。作者声称：a）一种更有原则的分布感知坐标解码方法克服了文献中广泛使用的标准技术的局限；b）通过生成准确且连续的热图分布从真实坐标重建热图，可实现无偏模型训练，这与将关键点坐标量化到输入图像网格分辨率上的标准坐标编码过程相反。
引用
@article{arxiv.2110.10289,
title = {On Coordinate Decoding for Keypoint Estimation Tasks},
author = {Anargyros Chatzitofis and Nikolaos Zioulis and Georgios Nikolaos Albanis and Dimitrios Zarpalas and Petros Daras},
journal= {arXiv preprint arXiv:2110.10289},
year = {2021}
}