人体肢体上自由选定关键点的识别
计算机视觉与模式识别
2022-04-14 v1
摘要
几乎所有人体姿态估计(HPE)数据集都由一组固定的关键点组成。在此类数据集上训练的标准 HPE 模型只能检测这些关键点。如果需要更多点,则必须手动标注并重新训练模型。我们的方法利用 Vision Transformer 架构,将模型能力扩展至检测人体肢体上的任意关键点。我们提出两种不同的编码所需关键点的方法。(1) 每个关键点由其沿固定集合中两个包围关键点之间连线的位置以及该连线与肢体边缘之间的相对距离来定义。(2) 关键点被定义为规范姿态上的坐标。两种方法均基于 TokenPose 架构,而将对应于固定关键点的关键点 token 替换为我们的新模块。实验表明,我们的方法在固定关键点上取得了与 TokenPose 相似的结果,并且能够检测肢体上的任意关键点。
引用
@article{arxiv.2204.06326,
title = {Recognition of Freely Selected Keypoints on Human Limbs},
author = {Katja Ludwig and Daniel Kienzle and Rainer Lienhart},
journal= {arXiv preprint arXiv:2204.06326},
year = {2022}
}
备注
accepted at CVSports (CVPR 2022 Workshops)