PoseFix：模型无关的通用人姿精炼网络
计算机视觉与模式识别
2019-03-12 v3
摘要
从2D图像中进行多人姿态估计是理解人类行为的一项基础技术。在本文中，我们提出了一种人姿精炼网络，该网络从输入图像和输入姿态的二元组中估计出精炼后的姿态。在以往的方法中，姿态精炼主要通过端到端可训练的多阶段架构来完成。然而，它们高度依赖于姿态估计模型并且需要谨慎的模型设计。相比之下，我们提出了一种模型无关的姿态精炼方法。根据近期的一项研究，最先进的2D人体姿态估计方法具有相似的错误分布。我们利用该错误统计作为先验信息来生成合成姿态，并使用合成姿态训练我们的模型。在测试阶段，任何其他方法的姿态估计结果都可以输入到所提出的方法中。此外，所提出的模型不需要其他方法的代码或知识，这使得它能够轻松用于后处理步骤。我们展示了所提出的方法取得了优于传统多阶段精炼模型的性能，并在常用基准上一致地提升了各种最先进姿态估计方法的性能。代码可在以下链接获取：https://github.com/mks0601/PoseFix_RELEASE。
引用
@article{arxiv.1812.03595,
title = {PoseFix: Model-agnostic General Human Pose Refinement Network},
author = {Gyeongsik Moon and Ju Yong Chang and Kyoung Mu Lee},
journal= {arXiv preprint arXiv:1812.03595},
year = {2019}
}
备注
Published at CVPR 2019