多人姿态估计模型

抗两类噪声

该模型通过关键点区域提议和姿态感知稀疏关系建模，有效降低观测噪声和先验噪声对关键点定位的干扰。

Jianhang, He · Junyao, Sun · 刘琼 · 彭绍武

Pattern Recognition 2023

参数信息

AP提升（COCO）

1.0 AP

AP提升（OCHuman）

1.0 AP

技术优势

能抑制背景干扰

通过生成关键点级RoI圈定语义显著区域，减少观测噪声对关键点定位的影响。

动态过滤错误关系

通过建模噪声传播和关键点交互，过滤掉不恰当的关键点关系，降低先验噪声。

精度至少提升1.0 AP

在COCO和OCHuman数据集上均比现有最优方法高至少1.0 AP，证明其有效性。

应用场景

• 人机交互姿态识别：提供噪声鲁棒的关键点，使人机交互系统在复杂背景下更稳定。
• 工业机器人视觉：在工业环境中抑制背景和先验噪声，提高机器人视觉定位可靠性。
• 机器人感知：增强机器人对多人姿态的感知能力，减少错误关系干扰。