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

提出一种基于部件建模的无框架底层算法，将姿态估计和多人图像实例分割任务结合起来，使用卷积神经网络检测关键点并预测其相对位移，允许将关键点分组为个人姿势实例，并提出一种部分诱导的几何嵌入描述符。此系统基于完全卷积架构，具有高效的推理能力，在 COCO 数据集上进行训练，实现了显着的性能优化，是首个在 COCO 实例分割任务中策略人类一类的结果。

Mar, 2018

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

本文提出了一种针对多人物姿态回归的新方法，其中引入了一致的实例表示来统一姿态回归质量分数和背景置信度，并通过查询编码模块来编码预测的结构姿态信息以更好地适应一致的实例表示。该方法在 MS COCO 测试集上达到了 71.7 的 AP，取得了最先进的结果。

Jan, 2022

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

现在，用户要求视觉系统的个性化增强，能够从少样本数据集中识别和定位个人实例对象（例如，我的狗而不是狗）。本文构建了基于多阶统计的 Object-conditioned Bag of Instances (OBoI) 模型，通过扩展通用对象检测模型在 OBoI 的度量空间中搜索和识别个人实例，而无需反向传播。通过依赖多阶统计，OBoI 在区分不同实例方面取得了一致的卓越准确性。结果表明，在 18 个个人实例的情况下，我们实现了 77.1% 的个人物体识别准确率，相比最高水平提高了约 12%。

Apr, 2024

为解决行人重识别中行人错位问题，本文提出了一种基于姿态不变嵌入的行人描述符，通过引入 PoseBox 结构和 PoseBox fusion CNN 架构，可有效实现标准化姿态和减少信息损失，同时与现有方法相比具有竞争性的表现表现。

Jan, 2017

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

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

ED-Pose 是一个新型的端到端框架，具有明确的框检测技术，用于多人姿态估计，该方法将全局和局部信息进行上下文学习，并解决了这个任务的两个显式框检测过程。该方法不需要后期处理和密集热图监督，并展示了其与两阶段和单阶段方法相比的有效性和效率。

Feb, 2023