CVPRMar, 2017

Look into Person: 自监督的结构感知学习和人体解析新基准

PDF
TL;DR本篇文章介绍了一个名为 “Look into Person (LIP)” 的新的数据集，该数据集包含 50,000 多张具有 19 个语义部件标签的图像，是一个可扩展性、多样性和难度方面的重大进展，并且使用自监督学习方法解决了人体解析的问题。
human parsingdatasetlook into person (lip)semantic part labelsself-supervised learning
发现论文，激发创造
  • 通过联合身体分析和姿态估计网络探寻人物：一个新的基准测试

    本文提出了一个名为 “Look into Person (LIP)” 的新数据集，其包含超过 50,000 张精细注释的图像，利用这些注释，作者进行了人体解析、姿势估计方法的详细分析，并提出了一种新的联合人体解析和姿势估计网络以及简化网络以解决人体解析的方法。

    Apr, 2018

  • 人类解析的深度学习技术：调查和展望

    本文综述了基于深度学习的人体解析技术在图像和视频领域中的研究进展和挑战，并提出一种基于 Transformer 的高性能人体解析框架，同时还提出了未来研究的方向和待解决的问题。

    Jan, 2023

  • 构建大规模人脸解析基准的高效框架

    本文提出了一种高效的人脸解析注释框架和 “Dense Landmark Guided Face Parsing (LaPa)” 数据集，以及一个基于此数据集的新的边界敏感解析网络（BSPNet）。

    May, 2019

  • 探究人类解析器对常见错误的鲁棒性

    通过构建三个数据集来评估人体解析模型的风险容忍度，并提出一种新颖的异构数据增强机制，可以在常见的图像损坏条件下提高人体解析模型的鲁棒性。

    Sep, 2023

  • 人物再识别的人类语义分析

    本论文旨在提高人物再识别的性能。与常见的检测局部特征的方法不同，我们提出采用人类语义分析来提取局部特征，相应的性能得到了大幅提升，并成为了当前最优方法。此外，我们展示了通过简单且有效的训练策略可以使标准的卷积神经网络方法，如 Inception-V3 和 ResNet-152，无需修改即可显著提高人物再识别的性能。

    Mar, 2018

  • 基于姿态引导的弱监督和半监督人体部位解析的知识迁移

    本文提出一种利用人体关键点注释的方法生成合成数据，并利用这些数据进行半监督学习，进而提高人体语义部分分割准确率。在 PASCAL-Person-Part 数据集上，我们的方法优于强监督模型 6 mIOU，达到了最先进的人体分割结果。

    May, 2018

  • 人类解析自我纠正

    该研究使用了自校准策略（SCHP）来提高人类解析标签的可靠性，从而更好地训练模型并取得 LIP 挑战的第一名。

    Oct, 2019

  • 自我学习修正策略在人体解析中的应用

    本文提出了一种可训练的图推理方法，用于解决解析人体时的样本缺乏问题，并且在 LIP 和 ATR 数据集上得到了显著提高。

    Apr, 2020

  • 通过对抗特征和标签适应实现跨域人体解析

    本文针对跨领域人体解析问题，提出了一种新颖而高效的人体解析模型，该模型通过显式学习特征补偿网络和引入结构标签对抗网络来减轻不同域之间的视觉外观和环境条件的差异以及指导目标领域的解析结果遵循共享的结构标签高阶关系。

    Jan, 2018

  • 学习视觉符号以解析图像中的人体姿态

    该研究旨在从图像中学习自包含的身体部位表示形式（即称为视觉符号）及其符号化的几何上下文，以此来解析人类姿势，并利用潜在支持向量机和有效的交叉验证过程来对视觉符号进行分类，实现对肢体部位的精细分类。当姿势的构造部分是一棵树时，我们提出了一种有效的方法来估算图像中的人体姿势，并通过两个大型数据集的实验表明，该方法优于现有的方法。

    Apr, 2013