SimCC：一种用于人体姿态估计的简单坐标分类视角
计算机视觉与模式识别
2022-07-06 v3
摘要
基于二维热图的方法因性能优异而在人体姿态估计（HPE）领域占据主导地位多年。然而，基于二维热图的方法中长期存在的量化误差问题导致了若干众所周知的缺陷：1）对低分辨率输入的性能受限；2）为提高特征图分辨率以获得更高的定位精度，需要多个代价高昂的上采样层；3）采用额外的后处理来减小量化误差。为解决这些问题，我们旨在探索一种全新的方案，称为 SimCC，它将 HPE 重新表述为针对水平和垂直坐标的两个分类任务。所提出的 SimCC 将每个像素均匀划分为若干区间，从而实现亚像素级定位精度与低量化误差。得益于此，SimCC 可在特定设置下省略额外的细化后处理并去除上采样层，形成更简单且高效的 HPE 流程。在 COCO、CrowdPose 和 MPII 数据集上开展的广泛实验表明，SimCC 优于基于热图的方法，尤其在低分辨率设置下优势显著。
引用
@article{arxiv.2107.03332,
title = {SimCC: a Simple Coordinate Classification Perspective for Human Pose Estimation},
author = {Yanjie Li and Sen Yang and Peidong Liu and Shoukui Zhang and Yunxiao Wang and Zhicheng Wang and Wankou Yang and Shu-Tao Xia},
journal= {arXiv preprint arXiv:2107.03332},
year = {2022}
}