艺术历史图像中的半监督人体姿态估计
计算机视觉与模式识别
2022-08-16 v3 信息检索
摘要
手势作为非语言交流的语言，自 17 世纪以来已在理论上确立。然而，它与视觉艺术的相关性只是零星地被表达。这可能主要是由于传统上必须手工处理的数据量过于庞大。不过，随着数字化的稳步推进，越来越多的历史文物被编入索引并向公众开放，从而产生了对具有相似身体构型或姿态的艺术历史母题进行自动检索的需求。由于艺术领域因其风格差异而与现有的真实世界人体姿态估计数据集显著不同，这带来了新的挑战。在本文中，我们提出了一种新颖的方法来估计艺术历史图像中的人体姿态。与先前尝试通过预训练模型或风格迁移来弥合领域差距的工作不同，我们建议对目标检测和关键点检测都采用半监督学习。此外，我们引入了一个新颖的领域特定艺术数据集，该数据集包含人物形象的边界框和关键点标注。我们的方法取得了比使用预训练模型或风格迁移的方法显著更好的结果。
引用
@article{arxiv.2207.02976,
title = {Semi-supervised Human Pose Estimation in Art-historical Images},
author = {Matthias Springstein and Stefanie Schneider and Christian Althaus and Ralph Ewerth},
journal= {arXiv preprint arXiv:2207.02976},
year = {2022}
}
备注
Accepted at ACM MM 2022 as a conference paper