用于泛化人体姿态估计的自校正自适应推理
计算机视觉与模式识别
2023-03-28 v2 人工智能
摘要
人体姿态估计以及许多其他机器学习和预测任务中的一个核心挑战是泛化问题。学到的网络不具备刻画预测误差、从测试样本生成反馈信息并针对每个单独测试样本即时纠正预测误差的能力,导致泛化性能下降。本工作中,我们引入一种自校正自适应推理(SCAI)方法来解决网络预测的泛化挑战,并以人体姿态估计为例证明其有效性与性能。我们学习一个校正网络,以适应性反馈误差为条件对预测结果进行校正。该反馈误差由一个学到的适应性反馈网络生成,该网络将预测结果映射回原始输入域并与原始输入比较。有趣的是,我们发现这种自参照反馈误差与实际预测误差高度相关。这一强相关性表明我们可以用此误差作为反馈来引导校正过程。它也可用作损失函数,在推理过程中快速自适应和优化校正网络。我们在人体姿态估计上的大量实验结果表明,所提SCAI方法能显著提升人体姿态估计的泛化能力与性能。
引用
@article{arxiv.2303.11180,
title = {Self-Correctable and Adaptable Inference for Generalizable Human Pose Estimation},
author = {Zhehan Kan and Shuoshuo Chen and Ce Zhang and Yushun Tang and Zhihai He},
journal= {arXiv preprint arXiv:2303.11180},
year = {2023}
}
备注
Accepted by CVPR 2023