Pose-MUM：强化关键点关系以用于半监督人体姿态估计
计算机视觉与模式识别
2022-03-16 v1
摘要
在半监督学习（SSL）的教师-学生框架中，精心设计的强-弱增强策略以及稳定的教师以生成可靠伪标签至关重要。考虑到这些，为适配半监督人体姿态估计（SSHPE）任务，我们提出一种称为 Pose-MUM 的新方法，其改进了 Mix/UnMix（MUM）增强。如同密集预测任务中的 MUM，所提 Pose-MUM 对姿态估计进行强-弱增强，并通过以随机方式在中间层加入混合过程，使网络比传统方法更好地学习各人体关键点之间的关系。此外，我们采用指数移动平均归一化（EMAN）教师，其稳定且非常适配 SSL 框架，并进一步提升性能。在 MS-COCO 数据集上的大量实验表明，我们所提方法相较先前遵循 SSHPE 基准的方法持续提高性能，具有优越性。
引用
@article{arxiv.2203.07837,
title = {Pose-MUM : Reinforcing Key Points Relationship for Semi-Supervised Human Pose Estimation},
author = {JongMok Kim and Hwijun Lee and Jaeseung Lim and Jongkeun Na and Nojun Kwak and Jin Young Choi},
journal= {arXiv preprint arXiv:2203.07837},
year = {2022}
}