拥挤场景准确率新高
同时学习人体关节和肢体的结构信息，更适合处理拥挤场景下的严重遮挡姿态估计问题。
Jun, Tu · 武港山 · 王利民
International Journal of Computer Vision 2023
通过引入肢体结构信息，并利用热图引导采样从身体部位提取丰富视觉特征，为不可见部位提供推理依据。
关节和肢体的对偶表示联合学习结构信息，避免仅基于关节学习导致的过拟合，提高泛化性。
在 CrowdPose 数据集上，使用与 OPEC-Net 相同的姿态估计器和训练策略，mAP 提高了 4.5 个百分点。
在遮挡较少的 COCO 和 PoseTrack 数据集上同样提升姿态估计性能，证明方法具有泛化能力。