ViPNAS：通过神经架构搜索实现高效视频姿态估计
计算机视觉与模式识别
2021-05-24 v1
摘要
人体姿态估计近年来取得了显著进展。然而，近期大多数方法侧重于使用复杂模型提升精度，而忽略了实时效率。为了在精度与效率之间实现更好的权衡，我们提出了一种新颖的神经架构搜索（NAS）方法，称为ViPNAS，用于在空间和时间两个层面搜索网络，以实现快速的在线视频姿态估计。在空间层面，我们精心设计了包含网络深度、宽度、核大小、分组数和注意力五个不同维度的搜索空间。在时间层面，我们在一系列时间特征融合中进行搜索，以优化跨多个视频帧的总体精度与速度。据我们所知，我们是首个在视频中搜索时间特征融合与自动计算分配的。大量实验证明了我们的方法在具有挑战性的COCO2017和PoseTrack2018数据集上的有效性。我们发现的模型族S-ViPNAS和T-ViPNAS，在CPU实时推理速度下取得了显著高于以往的state-of-the-art方法的推理速度，且不牺牲精度。
引用
@article{arxiv.2105.10154,
title = {ViPNAS: Efficient Video Pose Estimation via Neural Architecture Search},
author = {Lumin Xu and Yingda Guan and Sheng Jin and Wentao Liu and Chen Qian and Ping Luo and Wanli Ouyang and Xiaogang Wang},
journal= {arXiv preprint arXiv:2105.10154},
year = {2021}
}
备注
Accepted to CVPR 2021