基于姿态部位先验的弱监督人体部位分割
计算机视觉与模式识别
2020-11-03 v2
摘要
人体部位分割是指为每个身体部位预测语义分割掩码的任务。全监督人体部位分割方法性能良好，但需耗费大量精力标注部位掩码用于训练。与获取有限数量部位掩码标注所需的高标注成本相比，大量弱标签（如姿态和全身掩码）已经存在并包含相关信息。受利用现有弱标签可能性的启发，我们提出首个弱监督人体部位分割框架。其核心思想是先将于关键点等稀疏弱标签转换为身体部位掩码的初始估计，然后迭代细化部位掩码预测。我们将从姿态估计出的初始部位掩码称为“部位先验”。在充足的额外弱标签下，我们的弱监督框架在 Pascal-Person-Part 数据集上取得了与全监督方法（63.6% mIoU）相当的性能（62.0% mIoU）。此外，在扩展的半监督设定下，所提框架优于当前最优方法。我们还将所提框架扩展至其他关键点监督的部位分割任务，如人脸解析。
引用
@article{arxiv.1907.13051,
title = {Weakly Supervised Body Part Segmentation with Pose based Part Priors},
author = {Zhengyuan Yang and Yuncheng Li and Linjie Yang and Ning Zhang and Jiebo Luo},
journal= {arXiv preprint arXiv:1907.13051},
year = {2020}
}