野外半监督无约束头部姿态估计

Apr, 2024

Semi-Supervised Unconstrained Head Pose Estimation in the Wild

Huayi Zhou, Fei Jiang, Hongtao Lu

TL;DR通过利用大量未标记的野外头部图像，我们提出了第一个半监督的无约束头部姿势估计（SemiUHPE）方法，该方法可以应对多样性和复杂性较高的头部姿势领域，并使用动态熵过滤来自适应地去除未标记的异常值，并通过两种新的面向头部的强增强技术进一步提高了性能。

Abstract

Existing head pose estimation datasets are either composed of numerous samples by non-realistic synthesis or lab collection, or limited images by labor-intensive annotating. This makes deep supervised learning based solutions compromised due to the reliance on generous labeled data. To

head pose estimation semi-supervised learning unlabeled data entropy-based filtering strong augmentations

发现论文，激发创造

高效的自监督人体姿势估计与归纳先验调整

简化中文摘要：本文探讨了改善自监督人体姿势估计的方法，包括分析重建质量与姿势估计准确性的关系，提出了一个优于基准模型的模型流水线，使用不到三分之一的训练数据量，并提出了一种适用于自监督环境的度量，用于衡量预测身体部位长度比例的一致性。结果表明，在自监督范式中，精心设计的重建损失和归纳假设可以帮助协调姿势估计和重建。

Nov, 2023

半监督和弱监督的人体姿势估计

本文提出了三种半监督和弱监督学习方案，通过利用卷积神经网络对人体姿态进行估计，实现了对无人类注释的训练图像中候选姿态和真正正面姿态的选择和提高。方案基于姿态聚类和离群姿态检测，可以选择更多的真正姿态，并在大规模人体姿态数据集上得到了验证。

Jun, 2019

自动驾驶中的弱监督多模态 3D 人体姿势估计

一篇研究在自动驾驶汽车中进行弱监督的 3D 人体姿势估计的论文，通过相机和 LiDAR 数据的高级传感器融合实现了简单而高效的方法，通过使用现成的 2D 关节提取器和从 LiDAR 到图像的投影生成虚拟标签进行训练，在弱监督和监督学习设置中均取得了优于现有方法的结果。

Jul, 2023

自适应关键点屏蔽的半监督 2D 人体姿态估计

人体姿势估计是计算机视觉中的基本且具有挑战性的任务。本文提出了一种自适应关键点遮罩方法和双分支数据增广方案，用于改进半监督姿势估计的准确性和泛化能力，超过了现有的半监督姿势估计方法。

Apr, 2024

半监督 2D 人体姿态估计中的折叠问题实证研究

该研究介绍了一种稳定半监督学习方法的做法，该方法通过相互教学的方式学习可靠的伪标签，避免了训练过程中出现的高度不平衡的类分布问题。

Nov, 2020

UniHPE：通过对比学习实现统一的人体姿势估计

本文提出了 UniHPE，它是一个统一的人体姿势估计流程，通过同一流程中对所有三种模态进行特征对齐，即 2D 人体姿势估计、基于 lifting 和基于图像的 3D 人体姿势估计。我们提出了一种新的基于奇异值的对比学习损失函数来同时对齐多个模态，从而提高性能。评估结果显示 UniHPE 在 Human3.6M 数据集上的 MPJPE 为 50.5mm，3DPW 数据集上的 PAMPJPE 为 51.6mm，显示出巨大的潜力来推动计算机视觉领域并贡献于各种应用。

Nov, 2023

去噪和选择伪热力图用于半监督人体姿势估计

我们提出了一种新的半监督学习设计，用于人体姿势估计，通过增强双学生框架，引入去噪方案生成可靠的伪热图作为无标签数据学习的目标，并通过估计的交叉学生不确定性从伪热图中选择学习目标。我们在 COCO 基准测试上进行了多个评估设置，结果显示我们的模型在极低数据情况下优于以前最先进的半监督姿势估计器，例如，只有 0.5K 标记图像时，我们的方法能够超越最好的竞争者 7.22 mAP （绝对改进量为 + 25%），我们还证明了我们的模型可以从非标签数据中有效学习，以进一步提升其泛化和性能。

Sep, 2023

通过重新审视数据增强和一致性训练来提升半监督 2D 人体姿势估计

挖掘未标记图像的额外使用能够有效地提高 2D 人体姿态估计器的准确性，通过数据增强和一致性训练方法，我们提出了一种简洁紧凑的半监督学习方法，与先前的方法相媲美，并在公共数据集中带来了显著的改进。

Feb, 2024

关于宽广与短程头部姿态估计的表征和方法学

在计算机视觉中，头部姿态估计是一个感兴趣的问题，旨在改善半正面或侧面设置下面部处理任务的性能。本文分析了短距离和长距离头部姿态估计的方法，并讨论了每种情况下适合的表示和度量标准。同时提出了一个量化训练和测试数据集之间不一致性的方法，并基于 CMU Panoptic 数据集提出了广域头部姿态估计基准。

Jan, 2024

无监督几何感知表示用于三维人体姿态估计

本文提出使用多视角图像而无需注释，来学习一个具有几何感知能力的身体表示，通过使用该身体表示，我们的方法在仅使用少量标记数据的情况下，显著优于完全监督的方法，并且在使用仅 1% 标记数据时，也优于其他半监督方法。

Apr, 2018