SIMPLE：用于自底向上人体姿态估计的单网络模仿与点学习
计算机视觉与模式识别
2021-04-08 v2
摘要
实际应用对多人姿态估计算法同时要求精度与效率。但高精度与快推理速度分别由自顶向下方法与自底向上方法主导。为在精度与效率间取得更好权衡，我们提出一种新颖多人姿态估计框架：用于自底向上人体姿态估计的单网络模仿与点学习（SIMPLE）。具体而言，在训练过程中，我们使 SIMPLE 模仿来自高性能自顶向下流程的姿态知识，这显著提升了 SIMPLE 的精度，同时保持其推理时的高效率。此外，SIMPLE 将人体检测与姿态估计表述为单网络内互为补充的统一点学习框架。这与先前两项任务可能相互干扰的工作截然不同。据我们所知，不同方法类型间的模仿策略与统一点学习均在姿态估计中首次提出。实验中，我们的方法在 COCO、MPII 与 PoseTrack 数据集上取得了自底向上方法中的新最先进性能。相较自顶向下方法，SIMPLE 具有可比精度与更快推理速度。
引用
@article{arxiv.2104.02486,
title = {SIMPLE: SIngle-network with Mimicking and Point Learning for Bottom-up Human Pose Estimation},
author = {Jiabin Zhang and Zheng Zhu and Jiwen Lu and Junjie Huang and Guan Huang and Jie Zhou},
journal= {arXiv preprint arXiv:2104.02486},
year = {2021}
}
备注
Accepted by AAAI2021