[论文评析]AdaptivePose: Human Parts as Adaptive Points,AAAI 2022

2023-10-24 15:30

本文主要是介绍[论文评析]AdaptivePose: Human Parts as Adaptive Points,AAAI 2022,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

AdaptivePose: Human Parts as Adaptive Points

  • 文章信息
  • 背景
  • AdaptivePose
    • 身体表示方法Body Representation
    • AdaptivePose
      • Part Perception Module
      • Enhanced Center-aware Branch
      • Two-hop Regression Branch
      • Loss function
    • 推理Inference
  • 总结
  • References


文章信息

论文题目:AdaptivePose: Human Parts as Adaptive Points
发表:AAAI 2022
作者:Yabo Xiao,1 Xiao Juan Wang, 1,* Dongdong Yu, 2 Guoli Wang, 3 Qian Zhang, 4 Mingshu He

背景

当前多人姿态估计大都采用自下而上或者自上而下的两阶段方法,这篇文章基于adaptive points这样一种新的表示方法提出了一种新的单阶段多人姿态估计方法

那么传统的身体表示方法有哪些,都有什么问题呢? 如下图(a) -©所示,
在这里插入图片描述
(a)通过绝对关键点的位置建立人体姿势模型: 这种方式割裂了人体与关键点之间的联系,

(b)通过中心点表示人的实例,并利用中心到关节的偏移量来形成人的姿态, 然而这种方式的问题在于:由于各种姿势的变形和中心的接受场的改变 因此很难处理中心到关节的长距离偏移问题

(c)通过根关节表示实例,并进一步提出了一个固定的分层树状结构,根据关节运动学将根关节和关键点分为四个层次。它将长距离偏移分解为累积的短距离偏移,依然存在着 沿着骨架传播的累积误差的问题

作者提出了一种新的身体表示方法,如(d)所示, 将人体部分表示为自适应点 并使用一个自适应点集,包括人类中心 和7个与人体部位相关的点来表示不同的人体实例。 这样一来人的姿势是以身体(中心)-顶部(适应点)-关节点的方式形成的

AdaptivePose

下图展示了所提出的AbaptivePose的示意图。
在这里插入图片描述
给定一个输入图像,我们首先通过Backbone提取一般的语义特征,然后通过三个精心设计的组件来预测具体信息
(1)我们利用部分感知模块Part Perception Module,从每个人的实例的假定中心回归七个自适应的人体部分相关点。

(2)然后,我们在增强型中心感知分支Enhanced Center-aware Branch.中通过聚合自适应点的特征来预测中心热图,进行接受场适应。

(3)此外,两跳回归分支Two-hop Regression Branch将自适应的人体部分相关点作为一跳节点,间接回归从中心到每个关键点的偏移量。

下面首先介绍所提出的新型身体表示方法, 然后再分别介绍这三个模块。

身体表示方法Body Representation

所提出的表示方法引入了自适应的人体部位相关点,用于精确捕捉具有各种变形的结构化人体姿势,并自适应地将长距离的中心到关节的偏移量分解为短距离的偏移量,同时避免了沿着变形的关节骨架传播的累积误差。

在这里插入图片描述

如上图所示,将人体分为7个部分,每个部分用一个 human-part related point来表示,这个点通过距离中心点的偏移量动态地回归得到
这个过程用如下公式表示:
在这里插入图片描述
其中 C i n s t C_{inst} Cinst表示人体实例的中心,其余7个点对应人体的7个组成部分。

为了方便, 将右边7个点用 P p a r t P_{part} Ppart表示, 然后,我们利用人体部位的相关点来定位属于相应部位的关键点,用如下公式表示
在这里插入图片描述

新颖的表征从实例(身体中心)-> 部分(适应性的人体部分相关点)-> 联合(身体关键点)来形成人体姿势。

AdaptivePose

下图显示了3个子网络模块:
在这里插入图片描述

Part Perception Module

Part Perception Module通过预测七个自适应的人体部分相关点来感知人体部分。对于每个部位,我们自动回归一个自适应的点来表示它,而不需要任何明确的监督。如上图所示,特征Fk被送入3×3卷积层,回归从中心到7个自适应的人体部位相关点的14个通道的x-y偏移量

这些自适应点作为中间节点,用于后续进一步预测关键点,也就是文中所说的Joints。

Enhanced Center-aware Branch

如图,首先通过3x3的卷积来产生特定分支的特征Fc, 然后通过 linear transform 来获得压缩后的Fc0, 再通过对Fc0进行bilinear interpolation来获得 adaptive points的特征向量, 各部分的特征向量如下表示:
在这里插入图片描述

然后再将其与Fc进行拼接的得到最终的特征 F C a d a p t F_{C}^{adapt} FCadapt, 最后,使用 F C a d a p t F_{C}^{adapt} FCadapt与自适应接收场来预测中心定位的单通道概率图。其中ground_truth center map通过Gaussian分布产生,
在这里插入图片描述

Two-hop Regression Branch

我们利用两跳回归方法来预测位移,而不是直接回归中心到关节的偏移量。这样,由部件感知模块预测的自适应人与部件的相关点作为一跳节点,将长距离的中心到关节的偏移量自适应地分解为中心到部件和部件到关节的偏移量, 这种两跳的方式用如下公式表示:
在这里插入图片描述
其中第一个偏移量表示从ceneter到对应adaptive points的偏移, 第二个偏移量表示从对对应adaptive points到对应keypoints的偏移。

下面介绍损失函数

Loss function

Loss总共有三部分组成:

(1)中心点ceneter的预测损失,
由于ground_truth已经转化为了heatmap, 将该损失建模为逐像素的Focal loss, 定义如下:
在这里插入图片描述
其中P表示预测/ GT的置信度值。

(2)Keypoints的预测损失
Keypoints的预测通过偏移量offset来体现, 基于L1范数计算Loss, 定义如下:
在这里插入图片描述
其中K表示正的keypoints的数量。

(3)Keypoints的辅助损失函数
除了直接基于offset计算keypoints的loss以外, 作者还定义了额外的辅助损失来学习keypoints的heatmap表示, 使得该特征能够保持更多的人类结构几何信息。 损失的定义与中心点ceneter的预测损失类似。

推理Inference

在推理过程中,增强型中心感知分支Enhanced Center-aware Branch输出中心热图,表明该位置是否为中心。两跳回归分支Two-hop Regression Branch 输出从中心到每个关节的偏移量。

我们首先通过在中心热图上使用5×5的max-pooling核来保持20个候选位置,然后检索相应的偏移量(δix, δiy)来形成人体姿势,而不需要任何后处理和额外的修正。keypoints的预测用如下公式表示:
在这里插入图片描述
其中(Cx, Cy)表示预测的中心点center, δ x i , δ y i \delta_{x}^{i}, \delta_{y}^{i} δxi,δyi表示预测的偏移量,

总结

不多的one-stage多人姿态估计方法,

References

1.Xiao Y, Wang X J, Yu D, et al. Adaptivepose: Human parts as adaptive points[C]//Proceedings of the AAAI Conference on Artificial Intelligence. 2022, 36(3): 2813-2821.

这篇关于[论文评析]AdaptivePose: Human Parts as Adaptive Points,AAAI 2022的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/276124

相关文章

AI hospital 论文Idea

一、Benchmarking Large Language Models on Communicative Medical Coaching: A Dataset and a Novel System论文地址含代码 大多数现有模型和工具主要迎合以患者为中心的服务。这项工作深入探讨了LLMs在提高医疗专业人员的沟通能力。目标是构建一个模拟实践环境,人类医生(即医学学习者)可以在其中与患者代理进行医学

论文翻译:arxiv-2024 Benchmark Data Contamination of Large Language Models: A Survey

Benchmark Data Contamination of Large Language Models: A Survey https://arxiv.org/abs/2406.04244 大规模语言模型的基准数据污染:一项综述 文章目录 大规模语言模型的基准数据污染:一项综述摘要1 引言 摘要 大规模语言模型(LLMs),如GPT-4、Claude-3和Gemini的快

论文阅读笔记: Segment Anything

文章目录 Segment Anything摘要引言任务模型数据引擎数据集负责任的人工智能 Segment Anything Model图像编码器提示编码器mask解码器解决歧义损失和训练 Segment Anything 论文地址: https://arxiv.org/abs/2304.02643 代码地址:https://github.com/facebookresear

论文翻译:ICLR-2024 PROVING TEST SET CONTAMINATION IN BLACK BOX LANGUAGE MODELS

PROVING TEST SET CONTAMINATION IN BLACK BOX LANGUAGE MODELS https://openreview.net/forum?id=KS8mIvetg2 验证测试集污染在黑盒语言模型中 文章目录 验证测试集污染在黑盒语言模型中摘要1 引言 摘要 大型语言模型是在大量互联网数据上训练的,这引发了人们的担忧和猜测,即它们可能已

OmniGlue论文详解(特征匹配)

OmniGlue论文详解(特征匹配) 摘要1. 引言2. 相关工作2.1. 广义局部特征匹配2.2. 稀疏可学习匹配2.3. 半稠密可学习匹配2.4. 与其他图像表示匹配 3. OmniGlue3.1. 模型概述3.2. OmniGlue 细节3.2.1. 特征提取3.2.2. 利用DINOv2构建图形。3.2.3. 信息传播与新的指导3.2.4. 匹配层和损失函数3.2.5. 与Super

BERT 论文逐段精读【论文精读】

BERT: 近 3 年 NLP 最火 CV: 大数据集上的训练好的 NN 模型,提升 CV 任务的性能 —— ImageNet 的 CNN 模型 NLP: BERT 简化了 NLP 任务的训练,提升了 NLP 任务的性能 BERT 如何站在巨人的肩膀上的?使用了哪些 NLP 已有的技术和思想?哪些是 BERT 的创新? 1标题 + 作者 BERT: Pre-trainin

[论文笔记]LLM.int8(): 8-bit Matrix Multiplication for Transformers at Scale

引言 今天带来第一篇量化论文LLM.int8(): 8-bit Matrix Multiplication for Transformers at Scale笔记。 为了简单,下文中以翻译的口吻记录,比如替换"作者"为"我们"。 大语言模型已被广泛采用,但推理时需要大量的GPU内存。我们开发了一种Int8矩阵乘法的过程,用于Transformer中的前馈和注意力投影层,这可以将推理所需

MonoHuman: Animatable Human Neural Field from Monocular Video 翻译

MonoHuman:来自单目视频的可动画人类神经场 摘要。利用自由视图控制来动画化虚拟化身对于诸如虚拟现实和数字娱乐之类的各种应用来说是至关重要的。已有的研究试图利用神经辐射场(NeRF)的表征能力从单目视频中重建人体。最近的工作提出将变形网络移植到NeRF中,以进一步模拟人类神经场的动力学,从而动画化逼真的人类运动。然而,这种流水线要么依赖于姿态相关的表示,要么由于帧无关的优化而缺乏运动一致性

2024 年高教社杯全国大学生数学建模竞赛 C 题 农作物的种植策略 参考论文 无水印

持续更新中,2024年数学建模比赛思路代码论文都会发布到专栏内,只需订阅一次!  完整论文+代码+数据结果链接在文末!  订阅后可查看参考论文文件 第一问 1.1 问题重述 这个问题围绕的是华北山区的某乡村,在有限的耕地条件下,如何制定最优的农作物种植策略。乡村有 34 块露天耕地和 20 个大棚,种植条件包括粮食作物、蔬菜、水稻和食用菌。除了要考虑地块的面积、种植季节等,还要确保

论文精读-Supervised Raw Video Denoising with a Benchmark Dataset on Dynamic Scenes

论文精读-Supervised Raw Video Denoising with a Benchmark Dataset on Dynamic Scenes 优势 1、构建了一个用于监督原始视频去噪的基准数据集。为了多次捕捉瞬间,我们手动为对象s创建运动。在高ISO模式下捕获每一时刻的噪声帧,并通过对多个噪声帧进行平均得到相应的干净帧。 2、有效的原始视频去噪网络(RViDeNet),通过探