用于多人姿态估计的瀑布变换器
计算机视觉与模式识别
2024-12-02 v1
摘要
我们提出了一种用于姿态估计的瀑布变换器架构 (WTPose), 一个单次、端到端可训练的框架, 旨用于多人姿态估计。我们的框架利用基于变换器的瀑布模块从 various backbone 阶段生成多尺度特征图。该模块在级联架构中执行过滤, 以扩大感受野并捕获局部和全局上下文, 从而增加网络的整体特征表示能力。我们的实验在 COCO 数据集上表明, 所提出的 WTPose 架构, 采用修改版 Swin backbone 和基于变换器的瀑布模块, 在多人姿态估计方面优于其他变换器架构。
引用
@article{arxiv.2411.18944,
title = {Waterfall Transformer for Multi-person Pose Estimation},
author = {Navin Ranjan and Bruno Artacho and Andreas Savakis},
journal= {arXiv preprint arXiv:2411.18944},
year = {2024}
}