ZoomNAS:面向野外全身人体姿态估计的神经网络架构搜索
计算机视觉与模式识别
2022-08-25 v1
摘要
本文研究2D全身人体姿态估计任务,旨在定位包括身体、脚、脸和手在内的整个人体上的密集关键点。我们提出一种单网络方法,称为ZoomNet,以考虑完整人体的层次结构并解决不同身体部位的尺度变化。我们进一步提出一种神经架构搜索框架,称为ZoomNAS,以提升全身姿态估计的精度与效率。ZoomNAS联合搜索模型架构及不同子模块间的连接,并自动为搜索得到的子模块分配计算复杂度。为训练与评估ZoomNAS,我们引入了首个大规模2D人体全身数据集,即COCO-WholeBody V1.0,其为野外图像标注了133个关键点。大量实验证明了ZoomNAS的有效性及COCO-WholeBody V1.0的重要意义。
引用
@article{arxiv.2208.11547,
title = {ZoomNAS: Searching for Whole-body Human Pose Estimation in the Wild},
author = {Lumin Xu and Sheng Jin and Wentao Liu and Chen Qian and Wanli Ouyang and Ping Luo and Xiaogang Wang},
journal= {arXiv preprint arXiv:2208.11547},
year = {2022}
}
备注
Accepted by TPAMI