窥探被遮挡关节：一种人群姿态估计新框架
计算机视觉与模式识别
2020-04-01 v3
摘要
尽管遮挡广泛存在于自然中，并且仍是姿态估计的根本性挑战，现有的基于热图的方法在遮挡下性能严重退化。其内在问题在于它们直接基于视觉信息定位关节；然而不可见关节缺乏此类信息。与定位不同，我们的框架从推断视角估计不可见关节，提出图像引导渐进式 GCN 模块，该模块提供对图像上下文与姿态结构的全面理解。此外，现有基准包含的用于评估的遮挡有限。因此，我们深入探究此问题，提出一种新颖的 OPEC-Net 框架以及带有 9k 标注图像的新型遮挡姿态（OCPose）数据集。在基准上的大量定量与定性评估表明，OPEC-Net 相较近期领先工作取得显著改进。值得注意的是，我们的 OCPose 是相邻实例间平均 IoU 方面最复杂的遮挡数据集。源代码与 OCPose 将公开可用。
引用
@article{arxiv.2003.10506,
title = {Peeking into occluded joints: A novel framework for crowd pose estimation},
author = {Lingteng Qiu and Xuanye Zhang and Yanran Li and Guanbin Li and Xiaojun Wu and Zixiang Xiong and Xiaoguang Han and Shuguang Cui},
journal= {arXiv preprint arXiv:2003.10506},
year = {2020}
}
备注
The code of OPEC-Net is available at: https://lingtengqiu.github.io/2020/03/22/OPEC-Net/