本文提出了一种同时处理语义对象和部件分割的联合解决方案,其中提供了更高级的对象级上下文来引导部件分割,并利用更详细的部件级定位来改进对象分割。所提出的方法在三个不同的数据集上进行了广泛的评估,证明它可以相互增强对象和部件分割的性能,并在两个任务上都优于现有技术水平。
May, 2015
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
本文提出了一种基于 segment-based parsing 管道的方法,利用人体姿势信息对人体进行语义区域划分,从而提高了部分提案的准确率,加速了推理并使得解析过程更规则化,经实验证明该方法相比现有技术具有更好的优越性能。
Aug, 2015
本研究提出了一种联合解决检测和姿态估计任务的方法,并使用基于 CNN 部件检测器生成的一组身体部位假设的分区和标签化公式,隐含执行非最大化抑制,以形成符合几何和外观约束的身体部件配置,对于单人和多人姿态估计都取得了最新的结果。
Nov, 2015
本文提出了一个异构多任务学习框架,用于通过深度卷积神经网络从单 ocular 图像中实现人体姿势估计,同时学习姿势 - 关节回归器和滑动窗口身体部位检测器,并证明包含身体部位检测任务有助于正则化网络,并指导其收敛于良好解决方案,并在多个数据集上报告了竞争和最先进的结果。 还通过实验证明,我们的网络中间层中学习的神经元针对局部身体部位进行了优化。
Jun, 2014
本文提出一种多任务学习框架,采用深度神经网络进行实现,用于从静止深度图像中预测人体姿态,并使用 MatchNet 协助推断。在大规模数据集上的实验证明该框架可以显著提高人体姿态估计的准确度。
Aug, 2016
本文提出一种新的混合架构,并将其成功应用于单眼图像中的人体姿态估计等领域,同时提出了联合训练的想法以提高性能并明显超越现有技术。
本研究探讨了物体分割的任务,通过使用语义分割系统和限制玻尔兹曼机的有益信息,结合 Dense CRF 标签,采用判别式方法提高了语义部分分割的性能,并在 PASCAL 数据集上展示了优越的性能。
本文探讨了空间背景信息在人体姿态估计中的重要性,提出了利用上下文信息的 Cascade Prediction Fusion 和 Pose Graph Neural Network 两个模块。在 MPII 和 LSP 基准测试中,实验结果表明我们的方法始终优于以前的方法。
Jan, 2019
本文介绍了一种基于结构感知流的方法,利用语义部分将人体分解,来应对人物姿态变换并生成高质量图像,网络模块能够有效地捕捉人体局部和全局语义特征,实验结果表明,该方法在生成高质量图像方面胜过其他方法。
Feb, 2021