众人姿态估计：克服检测信息瓶颈和模糊性的再思考

Jun, 2023

众人姿态估计：克服检测信息瓶颈和模糊性的再思考

Rethinking pose estimation in crowds: overcoming the detection information-bottleneck and ambiguity

Mu Zhou, Lucas Stoffl, Mackenzie Mathis, Alexander Mathis

TL;DR提出了一种新颖的基于 Bottom-up 和 Top-down 方法相结合的姿态估计模型 ——BUCTD，并将该方法应用于动物和人的关键点检测，与之前的现有模型在 CrowdPose 和 OCHuman 数据集上表现相比有了较大改进，并且在非拥挤数据集上的表现也较好。

Abstract

Frequent interactions between individuals are a fundamental challenge for pose estimation algorithms. Current pipelines either use an object detector together with a pose estimator (top-down approach), or localiz

pose estimation bottom-up approach top-down approach buctd animal and human pose estimation

发现论文，激发创造

通过整合自上而下和自下而上网络进行单目 3D 多人姿态估计

本研究提出一种结合自上而下和自下而上方法的 3D 多人姿态估计方法，并利用两人姿态鉴别器和半监督方法增强鲁棒性和准确性，实验证明该方法比现有基线模型更有效。

Apr, 2021

人体姿态识别与跟踪的自顶向下方法

使用自顶向下的方法，建立了一个由三个模块组成的强基准系统，分别为人体候选检测器、单人姿态估计器和人体姿态跟踪器。该方法使用了先进的通用物体检测器来检测人体候选者，并使用级联金字塔网络来估计相应的人体姿态，最后使用基于光流的姿态跟踪器进行多目标姿态跟踪。经过大量实验验证了各种模型和配置，该方法成功参加了两个 ECCV18 PoseTrack 挑战：姿态估计和姿态跟踪。

Jan, 2019

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

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

人体姿态估计中自上而下方法的综述

本篇论文对基于深度学习的二维图像人体姿态识别的最新方法进行了广泛的综述和比较，重点关注自 2016 年以来的自顶向下方法，此外，还讨论了数学基础、挑战与局限性、基准数据集和评价指标。

Feb, 2022

结合检测与跟踪进行视频中人体姿态估计

本篇论文提出了一种新的自上而下的方法来解决多人姿态估计和视频跟踪问题，该方法利用影片中已知的人位置向前向后传递并在这些区域搜索姿势，通过此技术，不局限于个人检测器的性能并且可以预测未被检测到的人的姿势。这种方法包括三个组件：（i）在小视频片段上同时执行身体关节检测和跟踪的 Clip Tracking Network；（ii）将 Clip Tracking Network 产生的固定长度轨迹片段合并为任意长度轨迹的 Video Tracking Pipeline；（iii）基于空间和时间平滑项来细化关节位置的空间 - 时间合并过程的 Spatial-Temporal Merging。由于我们的剪辑跟踪网络和合并过程的精度非常高，我们的方法可以在困难的场景（例如严重纠缠的人）中产生非常准确的关节预测，并在关节检测和跟踪方面实现了最先进的结果，对于 PoseTrack 2017 和 2018 数据集，并且超过了所有自上而下和自下而上的方法。

Mar, 2020

借助置信度网络优化多人姿态跟踪

本研究开发了一种新型关键点置信网络和跟踪流程，以改善自上而下方法中的人体检测和姿势估计，实验结果显示我们的方法在人体检测和姿势估计方面具有普适性，并在 PoseTrack 2017 和 2018 数据集上取得最先进的性能。

Oct, 2023

人体姿态估计在现实世界拥挤场景中的应用

本论文针对人群姿态估计的问题，提出了通过数据增强方法、显式识别遮挡的身体部位和使用合成数据集来优化姿态估计。论文的实验结果表明这些方法提高了模型的准确性，使其在人群场景下获得了与当前最先进方法相媲美的结果。

Jul, 2019

单目三维多人姿态估计的相互适应推理

本论文提出了一种新的统一模型，通过结构化 2.5D 姿势估计和端到端几何感知深度推理方法相结合，解决了估计单目多人 3D 姿势以摄像机为中心坐标的问题，相比于现有的自顶向下和自底向上方法，我们的模型在准确性和速度方面都表现出色。

Jul, 2022

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