PoNA：用于人体姿态迁移的姿态引导非局部注意力
计算机视觉与模式识别
2020-12-15 v1
摘要
人体姿态迁移旨在将给定人物的外观迁移到目标姿态，在许多应用中非常具有挑战性且十分重要。已有工作忽略了姿态特征的引导，或仅使用局部注意力机制，导致结果不真实且模糊。我们提出了一种新的人体姿态迁移方法，采用带有简化级联块的生成对抗网络（GAN）。在每个块中，我们提出一种具有长程依赖方案的姿态引导非局部注意力（PoNA）机制，以选择图像特征中更重要的区域进行迁移。我们还设计了前置的图像引导姿态特征更新与后置的姿态引导图像特征更新，以更好地利用姿态与图像特征。我们的网络简单、稳定且易于训练。在 Market-1501 和 DeepFashion 数据集上的定量与定性结果表明了我们模型的有效性与高效性。与最先进方法相比，我们的模型生成了更清晰、更真实且细节丰富的图像，同时参数量更少、速度更快。此外，我们生成的图像可帮助缓解行人重识别中的数据不足问题。
引用
@article{arxiv.2012.07049,
title = {PoNA: Pose-guided Non-local Attention for Human Pose Transfer},
author = {Kun Li and Jinsong Zhang and Yebin Liu and Yu-Kun Lai and Qionghai Dai},
journal= {arXiv preprint arXiv:2012.07049},
year = {2020}
}
备注
16 pages, 14 figures