PoseTrans：一种简洁而有效的人体姿态估计姿态变换增强方法
计算机视觉与模式识别
2022-08-17 v1
摘要
人体姿态估计旨在准确估计多种多样的人体姿态。然而，现有数据集常遵循长尾分布，不常见姿态仅占很小比例，这进一步导致稀有姿态的多样性匮乏。这些问题致使当前姿态估计器的泛化能力较差。本文提出一种简洁而有效的数据增强方法，称为姿态变换（PoseTrans），以缓解上述问题。具体而言，我们提出姿态变换模块（PTM）来创建具有多样姿态的新训练样本，并采用姿态判别器以确保增强姿态的合理性。此外，我们提出姿态聚类模块（PCM）来衡量姿态稀有度并选取“最稀有”姿态以帮助平衡长尾分布。在三个基准数据集上的大量实验证明了我们方法的有效性，尤其在稀有姿态上。同时，我们的方法高效且易于实现，可轻松集成到现有姿态估计模型的训练流程中。
引用
@article{arxiv.2208.07755,
title = {PoseTrans: A Simple Yet Effective Pose Transformation Augmentation for Human Pose Estimation},
author = {Wentao Jiang and Sheng Jin and Wentao Liu and Chen Qian and Ping Luo and Si Liu},
journal= {arXiv preprint arXiv:2208.07755},
year = {2022}
}
备注
Accepted by ECCV 2022