UniPose：单图像与视频中统一的人体姿态估计框架
计算机视觉与模式识别
2020-01-23 v1
摘要
我们提出UniPose，一种基于“瀑布”空洞空间池化架构的统一人体姿态估计框架，在多项姿态估计指标上取得最先进结果。当前利用标准CNN架构的姿态估计方法严重依赖统计后处理或预定义锚定姿态进行关节定位。UniPose将上下文分割与关节定位结合，以单阶段高精度估计人体姿态，且不依赖统计后处理方法。UniPose中的瀑布模块利用了级联架构中渐进式滤波的高效性，同时保持与空间金字塔配置相当的多尺度视野。此外，我们的方法扩展为UniPose-LSTM用于多帧处理，并在视频时间姿态估计中取得最先进结果。我们在多个数据集上的结果表明，以ResNet为骨干网并含瀑布模块的UniPose是一种鲁棒高效的姿态估计架构，在单人与视频的单图像姿态检测中均取得最先进结果。
引用
@article{arxiv.2001.08095,
title = {UniPose: Unified Human Pose Estimation in Single Images and Videos},
author = {Bruno Artacho and Andreas Savakis},
journal= {arXiv preprint arXiv:2001.08095},
year = {2020}
}