CVPRMay, 2021

FCPose: 带有动态实例感知卷积的全卷积多人姿势估计

PDF
TL;DR本文提出了一种使用动态实例感知卷积的全卷积多人姿势估计框架，称为 FCPose，消除了 ROI 和分组后处理，具有更快的推理速度和更好的速度 / 准确性平衡。
multi-person pose estimationdynamic instance-aware convolutionskeypoint estimation headsdynamic convolutionsreal-time
发现论文，激发创造
  • DirectPose：直接端到端的多人姿势估计

    提出了第一个直接的端到端多人姿态估计框架，称为 DirectPose，使用新的关键点对齐机制 (KPAlign)，该机制提高了准确性，并消除了需在底部向上方法中处理的启发式分组或在自顶向下方法中进行边界框检测和 RoI 操作。实验证明，这一端到端模式在人体姿态估计任务中可以达到与之前强大基线相媲美或更好的表现。

    Nov, 2019

  • InsPose：面向单阶段多人姿态估计的实例感知网络

    使用实例感知动态网络的单阶段范例多人姿态估计方法，相对于两阶段方法在准确性和效率上都有更好的结果。

    Jul, 2021

  • 大规模多人姿态估计的精度提升

    该论文提出了一种用于多人检测和二维姿势估计的方法，采用两个阶段的简单而强大的自上而下方法，结合使用 Faster RCNN 检测器、关键点基于非最大抑制（Non-Maximum-Suppression）和置信度计算，利用 COCO 数据集训练得到的该系统具有较高的平均精度和表现。

    Jan, 2017

  • AdaptivePose：将人体部位作为适应点

    本文提出了一种更加紧凑和高效的多人姿态估计框架，使用自适应点集来表示人体部位并使用单阶段网络精细地回归多人姿态，在 COCO 测试开发数据集上实现了最佳速度 - 准确度平衡。

    Dec, 2021

  • CPU 实时 2D 多人姿态估计：轻量级 OpenPose

    本文将基于 OpenPose 的从下往上的方法适配多人姿态估计架构用于边缘设备，并提出了相应的网络设计和后处理代码优化，实现了 28fps 和 26fps 的帧率，模型参数为 4.1M，GFLOPs 为 9B，是基准 2 阶段 OpenPose 复杂度的 15% 。

    Nov, 2018

  • HintPose

    本研究通过引入两个新的概念 - instance cue 和 recurrent refinement 到已有的姿态估计模型中，以处理带有多个人的检测框，实现了更准确的姿态估计，并在 COCO17 关键点数据集上取得了较高的 mAP 得分。

    Mar, 2020

  • Simple Pose: 重构和改进面向多人姿态估计的自底向上方法

    通过改进下联式方法，提出了一种改进的多人姿势估计方法，该方法使用更直观却更合理的表示方法，具有 attention 机制的改进型叠叠层沙漏网络，专门用于 hard keypoint 和 keypoint 关联挖掘的新型 Focal L2 Loss 和用于将检测到的关键点分组为单个姿势的强大贪婪关键点分配算法，平均精度比基准线高约 15％，与 MS-COCO 测试数据集上的最新技术相当。

    Nov, 2019

  • 多人姿态估计与语义部位分割

    该研究提出了一种基于全卷积神经网络和条件随机场的联合框架，旨在同步解决人体姿态估计和语义部位分割问题，并在 PASCAL VOC 数据集上进行了广泛实验，显示该算法在这两个任务上均优于竞争方法。

    Aug, 2017

  • Lite Pose: 高效的 2D 人体姿势估计架构设计

    本文研究如何设计有效的单支脚神经网络用于在边缘设备上进行实时多人姿态估计，移除高分辨率分支，增强模型容量并大大减少计算成本，提高了姿态估计的效率和性能。

    May, 2022

  • MovePose: 移动和边缘设备上的高性能人体姿势估计算法

    MovePose 是一种为 CPU-based 移动设备上的实时人体姿势估计而设计的优化轻量级卷积神经网络，具有高精度和实时性能。

    Aug, 2023