PifPaf：用于人体姿态估计的复合场
计算机视觉与模式识别
2019-04-08 v2
摘要
我们提出一种用于多人2D人体姿态估计的新的自底向上方法，其特别适用于自动驾驶汽车与配送机器人等城市移动场景。该新方法PifPaf使用部件强度场（PIF）定位身体部位，并使用部件关联场（PAF）将身体部位相互关联以形成完整人体姿态。得益于(i) 我们编码细粒度信息的新的复合场PAF与(ii) 回归中采用蕴含不确定性概念的Laplace损失，我们的方法在低分辨率及拥挤、杂乱与遮挡场景中优于以往方法。我们的架构基于全卷积、单阶段、无边界框的设计。在标准COCO关键点任务上我们与现有最优自底向上方法表现相当，并在面向交通领域的改进COCO关键点任务上取得最优结果。
引用
@article{arxiv.1903.06593,
title = {PifPaf: Composite Fields for Human Pose Estimation},
author = {Sven Kreiss and Lorenzo Bertoni and Alexandre Alahi},
journal= {arXiv preprint arXiv:1903.06593},
year = {2019}
}
备注
CVPR 2019