UV R-CNN：稳定且高效的人体密集姿态估计
计算机视觉与模式识别
2022-11-07 v1
摘要
密集姿态估计是一项面向实例级人体分析的密集 3D 预测任务，旨在将 RGB 图像中的人体像素映射到人体 3D 表面。由于大量表面点回归，与其他基于区域的人体实例分析任务相比，训练过程更容易崩溃。通过分析现有密集姿态估计模型的损失形式，我们引入了一种新颖的点回归损失函数，命名为 Dense Points 损失，以稳定训练过程，以及一种新的平衡损失加权策略来处理多任务损失。基于上述创新，我们提出了一种全新架构，命名为 UV R-CNN。无需来自其他任务的辅助监督与外部知识，UV R-CNN 即可处理密集姿态模型训练过程中的诸多复杂问题，在 DensePose-COCO 验证子集上以 ResNet-50-FPN 特征提取器取得 65.0% 与 66.1% ，与当前最先进的密集人体姿态估计方法具有竞争力。
引用
@article{arxiv.2211.02337,
title = {UV R-CNN: Stable and Efficient Dense Human Pose Estimation},
author = {Wenhe Jia and Yilin Zhou and Xuhan Zhu and Mengjie Hu and Chun Liu and Qing Song},
journal= {arXiv preprint arXiv:2211.02337},
year = {2022}
}
备注
9pages, 4 figures