重新思考关键点表示：将关键点与姿态建模为对象用于多人人体姿态估计
计算机视觉与模式识别
2022-07-20 v4 人工智能
摘要
在人体姿态估计等关键点估计任务中，基于热图的回归是主流方法，尽管存在显著缺陷：热图本质上受量化误差影响，且需要大量计算来生成和后处理。受寻找更高效方案的驱动，我们提出在密集单阶段基于锚点的检测框架中将单个关键点以及空间相关关键点集合（即姿态）建模为对象。因此，我们将该方法称为KAPAO（发音“Ka-Pow”），意为关键点与姿态作为对象（Keypoints And Poses As Objects）。KAPAO被应用于单阶段多人人体姿态估计问题，通过同时检测人体姿态和关键点对象并融合检测结果以发挥两种对象表示的优势。实验中，我们观察到KAPAO比先前受热图后处理严重影响的方法更快且更准确。在不使用测试时增强的实际设置下，精度-速度权衡尤为有利。源代码：https://github.com/wmcnally/kapao。
引用
@article{arxiv.2111.08557,
title = {Rethinking Keypoint Representations: Modeling Keypoints and Poses as Objects for Multi-Person Human Pose Estimation},
author = {William McNally and Kanav Vats and Alexander Wong and John McPhee},
journal= {arXiv preprint arXiv:2111.08557},
year = {2022}
}