本文介绍了 Semantic-Human 这一新颖方法，通过扩展 NeRF 以共同编码语义、外观和几何来实现 2D 语义标签，从而实现神经渲染方法下的人体解析，并在连续和新视图中实现一致的人体解析。
Aug, 2023
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
该论文介绍了 Renovating Parsing R-CNN (RP R-CNN) 模型，它采用了全局语义增强的特征金字塔网络和解析重新评分网络，以提高多人解析中的全局认知度和准确实例分割得分，并在 CIHP 和 MHP-v2 数据集上表现出优异的性能。
Sep, 2020
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
本论文提出了一种新的底部向上体系结构，以联合学习类别级人类语义分割和多人姿态估计来解决实例感知的人体部位解析的挑战任务。该框架利用不同人类细粒度上的结构信息，使人员分区的难度降低。通过将联合关联建模为最大权二分匹配，实现了可微分的解决方案，从而使我们的方法具有端到端的可训练性，并且允许将分组误差直接传播到多层次的人类表征学习中。
Mar, 2021
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
该研究提出了一种基于结构的神经网络架构，将语义解析过程分解为两个阶段，在四个不同领域和含义表达的数据集上进行实验，结果表明该方法在性能方面取得了较好的效果。
该研究提出将神经网络与人体组成层次相结合，形成神经信息融合框架，以实现高效和完整的人体解析，并基于多源信息进行条件融合。在四个著名的数据集上进行了广泛的评估，并在处理速度方面具有快速性能，其代码和结果已经发布以便未来的研究。
Jan, 2020
本论文提出了一种基于 Part Grouping Network 的多人解析方法，通过二元子任务实现语义部分分割与实例感知边缘检测，并在多个数据集上实现了优于当前状态 of-the-art 的表现。
Aug, 2018
本文提出了一种新的神经联合模型，该模型能够同时处理文本分割和依存句法分析任务，用于将房地产广告转换成构建房产树的结构化描述。作者进行了广泛的实验研究，表明该模型相较于现有技术有更好的表现。
Sep, 2017