IJCAIJun, 2022

I^2R-Net：用于多人姿态估计的人际内和外关系网络

PDF
TL;DR本研究提出了基于人际内外关系网络（I ^ 2R-Net）的多人姿态估计算法，在 COCO、CrowdPose 和 OCHuman 数据集上，得到了优于现有方法的结果。
multi-person pose estimationintra-human relation networksinter-human relation networkscococrowdpose
发现论文，激发创造
  • 基于关系网络的 3D 人体姿态估计

    本文提出了一种基于神经网络的新型三维人体姿态估计算法，采用关系网络的结构来捕捉不同身体部位之间的关系，并使用每对不同身体部位生成的特征的平均值进行 3D 姿态估计，提出的网络在 Human 3.6M 数据集中实现了最先进的性能，并能在缺失关节的情况下有效地产生可信的结果。

    May, 2018

  • 级联的人物 - 物品相互作用识别

    本文提出了一种基于级联架构的人体 - 目标交互理解方法，包括实例定位和交互识别两个阶段，并引入了关系排名和三元流分类器等组件，在边缘像素级别完成交互关系细分，实现了极佳的关系建模表现。

    Mar, 2020

  • 面向人 - 物交互检测的姿态感知多层特征网络

    本文介绍了一种利用人体姿态提示的多层次关系检测策略，通过深度学习的方法将人体姿态融入到三个语义层面的关系表示中，以解决人体场景中精细化的物体交互识别问题。实验证明本方法在公共基准测试中表现优异。

    Sep, 2019

  • DHRNet：用于多人姿势估计的双路径层次关系网络

    本文介绍了一种名为双通道分层关系网络 (DHRNet) 的新型基于卷积神经网络的单阶段方法，能够同时提取实例到关节和关节到实例之间的交互信息，通过整合不同相关建模分支的优点，丰富了交互信息，并且通过利用其他实例和关节的信息在关节定位方面表现出色，对于多人姿势估计 (MPPE) 提出了一种有效的解决方案。

    Apr, 2024

  • 多实例姿态网络：重新思考自上而下的姿态估计

    提出了一种名为 Multi-Instance Pose Network (MIPNet) 的人体姿势估计模型，能够在给定边框范围内预测多个 2D 姿态实例，并引入了一种称为多实例调制块（Multi-Instance Modulation Block，MIMB）的方法来适应性地调制每个实例的通道特征响应，与以往方法相比，在复杂场景中取得了显著的性能提升。

    Jan, 2021

  • 多阶段 HRNet: 用于人体姿态估计的多阶段高分辨率网络

    本文介绍了一种名为 Multi-Stage HRNet 的人体姿势估计模型，并采用多阶段网络和交叉阶段特征聚合等技术优化了关键点位置，从而在 COCO 数据集上取得了 77.1 AP 得分。

    Oct, 2019

  • 交互关系网络用于相互动作识别

    我们提出了交互关系网络（Interaction Relational Network），它是一种简单而强大的架构，利用了关于人体结构的最少先验知识，通过定义不同的关系和重要的有结构的成对运算来更好地表示交互，并使用 LSTM 来进行关系推论，实现了与先前最先进的方法相似的结果。

    Oct, 2019

  • 从面部表情识别到人际关系预测

    本研究旨在研究是否可以从生活场景中的人脸图像中对人际关系进行细分和高水平特征的表征和量化，并提出了一种采用深度网络架构来识别面部表情的方法，以预测人际关系，并展示出了良好的实验结果。

    Sep, 2016

  • 从单目图像估计多人三维人体姿态

    通过提出的 HG-RCNN 网络，借助 Mask-RCNN 和 Hourglass 结构进行多人 3D 人体姿态估计，实现对每个感兴趣区域（RoI）中 2D 关键点的先预测后提升，最终采用弱透视投影模型和焦距和根偏移的联合优化将估计的 3D 姿态置于相机坐标系下，该网络简单模块化且无需多人 3D 姿态数据集，取得了 MuPoTS-3D 数据集的最优性能，并能近似在相机坐标系下估计 3D 姿态。

    Sep, 2019

  • 端到端人员检索和重新识别集成网络

    本文提出了一种行人检测和重新识别（re-id）集成网络（I-Net），用于实现端到端学习框架，以在实际视频监控场景中搜索目标人员，展示了其在人物搜索数据集上优越的性能。

    Apr, 2018