Apr, 2018

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

PDF
TL;DR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。
human parsingpose estimationdatasetbenchmarkjoint network
发现论文，激发创造
  • Look into Person: 自监督的结构感知学习和人体解析新基准

    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。

    Mar, 2017

  • 基于姿态引导的深度特征人体解析

    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

  • 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

  • DeepCut: 多人姿态估计的联合子集分割与标注

    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

  • LAMP: 多人姿态估计的语言提示利用

    人机交互中的以人为中心的视觉理解是一个重要的目标，本研究提出了一种新颖的基于语言的姿势推断策略，称为 LAMP，通过利用由语言模型生成的文本表示，LAMP 能够在实例级和关节级对姿势进行理解，并学习到更稳健的视觉表示，以应对多人姿态估计中的遮挡挑战。实验证明，语言监督训练提升了单阶段多人姿态估计的性能，实例级和关节级的提示对训练都是有价值的。

    Jul, 2023

  • 野外场景下的全身人体姿态估计

    本文介绍了 COCO-WholeBody 数据集和 ZoomNet 网络模型，通过使用这些技术，能够更准确地进行人体姿态估计。

    Jul, 2020

  • 将人体解析和姿态网络集成用于人体动作识别

    该研究介绍了一种新的人体解析特征图，被提出用于人体动作识别，结合 IPP-Net 方法，将骨架和人体解析特征映射应用于双分支方法，以筛选人体空间和时间特征，设计出包含人体姿态和人体解析分支的网络体系结构，通过多个数据集的综合对比实验，证明了这种方法的优越性能。

    Jul, 2023

  • 通过结合间接部位检测和上下文信息进行人体姿势回归

    本研究提出了一种端到端训练的回归方法，使用 Soft-argmax 函数将特征映射直接转换为关节坐标，避免了人工生成的基准图像，使得上下文信息可以无缝地包含在姿势预测中。实验证明该方法在人类姿势估计方面具有较高性能，可应用于多种复杂数据集。

    Oct, 2017

  • 基于嵌入式多任务学习的深度图像人体姿态估计

    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

  • 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