ProbPose：面向 2D 人体姿态估计的概率方法
计算机视觉与模式识别
2025-08-04 v1
摘要
当前的人体姿态估计方法取得了显著的改进。然而，领先的模型忽略越界关键点，并使用未校准的热图作为关键点位置表示。为此，本文提出 ProbPose，为每个关键点预测：在激活窗口中每个位置的关键点存在概率、其超出窗口的概率以及其预测可见性。为解决越界关键点的评估协议缺失问题，本文引入 CropCOCO 数据集和扩展 OKS (Ex-OKS) 指标，该指标将 OKS 扩展到越界点。测试于 COCO、CropCOCO 和 OCHuman 数据集后，ProbPose 在越界关键点定位方面取得显著提升，同时也在图像内定位方面通过数据增强取得改进。此外，该模型在边界框边缘提高了鲁棒性，并在关键点评估中提供了更好的灵活性。代码和模型均可在 https://mirapurkrabek.github.io/ProbPose/ 上获取，供科研使用。
引用
@article{arxiv.2412.02254,
title = {ProbPose: A Probabilistic Approach to 2D Human Pose Estimation},
author = {Miroslav Purkrabek and Jiri Matas},
journal= {arXiv preprint arXiv:2412.02254},
year = {2025}
}
备注
Code: https://mirapurkrabek.github.io/ProbPose/