POISE：遮挡下姿态引导的人体轮廓提取
计算机视觉与模式识别
2023-11-10 v1
摘要
人体轮廓提取是计算机视觉中的基础任务，应用于多种下游任务。然而，遮挡带来显著挑战，导致轮廓不完整与失真。为应对该挑战，我们提出 POISE：遮挡下姿态引导的人体轮廓提取，一种新颖的自监督融合框架，可提升人体轮廓预测的精度与鲁棒性。通过将分割模型的初始轮廓估计与 2D 姿态估计模型的人体关节预测相结合，POISE 利用两种方法的互补优势，有效整合精确的躯体形状信息与空间信息以应对遮挡。此外，POISE 的自监督特性消除了对昂贵标注的需求，使其具备可扩展性与实用性。大量实验结果表明，其在改善遮挡下轮廓提取方面具有优越性，并在步态识别等下游任务中展现出有前景的结果。我们的方法代码见 https://github.com/take2rohit/poise。
引用
@article{arxiv.2311.05077,
title = {POISE: Pose Guided Human Silhouette Extraction under Occlusions},
author = {Arindam Dutta and Rohit Lal and Dripta S. Raychaudhuri and Calvin Khang Ta and Amit K. Roy-Chowdhury},
journal= {arXiv preprint arXiv:2311.05077},
year = {2023}
}