UnCageNet：笼养动物的跟踪与姿态估计
计算机视觉与模式识别
2025-12-17 v2
摘要
动物跟踪和姿态估计系统，如STEP（同步跟踪和姿态估计）和ViTPose，在处理带有笼子结构和系统性遮挡的图像和视频时，性能会大幅下降。我们提出了一个三阶段预处理流水线来解决这一限制，包括：(1)使用带有可调方向滤波器的Gabor增强ResNet-UNet架构进行笼子分割，(2)使用CRFill进行笼子修复以实现遮挡区域的内容感知重建，以及(3)在去笼帧上进行姿态估计和跟踪评估。我们的Gabor增强分割模型利用具有72个方向核的方向感知特征，准确识别和分割严重损害现有方法性能的笼子结构。实验验证表明，通过我们的流水线去除笼子遮挡，可以使姿态估计和跟踪性能达到与无遮挡环境相当的水平。我们还观察到关键点检测精度和轨迹一致性方面的显著改进。
引用
@article{arxiv.2512.07712,
title = {UnCageNet: Tracking and Pose Estimation of Caged Animal},
author = {Sayak Dutta and Harish Katti and Shashikant Verma and Shanmuganathan Raman},
journal= {arXiv preprint arXiv:2512.07712},
year = {2025}
}
备注
9 pages, 2 figures, 2 tables. Accepted to the Indian Conference on Computer Vision, Graphics, and Image Processing (ICVGIP 2025), Mandi, India