論文の概要: Augmented Parallel-Pyramid Net for Attention Guided Pose-Estimation
- arxiv url: http://arxiv.org/abs/2003.07516v1
- Date: Tue, 17 Mar 2020 03:52:17 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-22 21:22:43.190118
- Title: Augmented Parallel-Pyramid Net for Attention Guided Pose-Estimation
- Title(参考訳): 注意誘導ポーズ推定のための拡張パラレルピラミドネット
- Authors: Luanxuan Hou and Jie Cao and Yuan Zhao and Haifeng Shen and Yiping
Meng and Ran He and Jieping Ye
- Abstract要約: 本稿では、注意部分モジュールと微分可能な自動データ拡張を備えた拡張並列ピラミドネットを提案する。
我々は、データ拡張のシーケンスをトレーニング可能なCNNコンポーネントとして定式化する新しいポーズ検索空間を定義する。
特に,本手法は,挑戦的なCOCOキーポイントベンチマークとMPIIデータセットの最先端結果において,トップ1の精度を実現する。
- 参考スコア(独自算出の注目度): 90.28365183660438
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The target of human pose estimation is to determine body part or joint
locations of each person from an image. This is a challenging problems with
wide applications. To address this issue, this paper proposes an augmented
parallel-pyramid net with attention partial module and differentiable auto-data
augmentation. Technically, a parallel pyramid structure is proposed to
compensate the loss of information. We take the design of parallel structure
for reverse compensation. Meanwhile, the overall computational complexity does
not increase. We further define an Attention Partial Module (APM) operator to
extract weighted features from different scale feature maps generated by the
parallel pyramid structure. Compared with refining through upsampling operator,
APM can better capture the relationship between channels. At last, we proposed
a differentiable auto data augmentation method to further improve estimation
accuracy. We define a new pose search space where the sequences of data
augmentations are formulated as a trainable and operational CNN component.
Experiments corroborate the effectiveness of our proposed method. Notably, our
method achieves the top-1 accuracy on the challenging COCO keypoint benchmark
and the state-of-the-art results on the MPII datasets.
- Abstract(参考訳): 人間のポーズ推定の目標は、画像から各人物の身体部分または関節位置を決定することである。
これは幅広いアプリケーションにおいて難しい問題です。
本稿では,注目部分モジュールと微分可能な自動データ拡張を備えた拡張並列ピラミドネットを提案する。
技術的には、情報の損失を補うために並列ピラミッド構造が提案されている。
逆補償のための並列構造の設計を考察する。
一方、全体的な計算複雑性は増加しない。
さらに,並列ピラミッド構造によって生成された異なるスケール特徴マップから重み付け特徴を抽出するために,注意部分モジュール(apm)演算子を定義する。
アップサンプリング演算子による精製と比較すると、APMはチャネル間の関係をよりよく捉えることができる。
最後に,推定精度をさらに向上させるために,微分可能な自動データ拡張手法を提案する。
我々は、データ拡張のシーケンスをトレーニング可能なCNNコンポーネントとして定式化する新しいポーズ検索空間を定義する。
提案手法の有効性を検証する実験を行った。
特に,本手法は,挑戦的なCOCOキーポイントベンチマークとMPIIデータセットの最先端結果において,トップ1の精度を実現する。
関連論文リスト
- RGM: A Robust Generalist Matching Model [53.223624323416914]
RGM(Robust Generalist Matching)と呼ばれる疎密マッチングのための深部モデルを提案する。
合成トレーニングサンプルと実世界のシナリオのギャップを狭めるために、我々は、疎対応基盤真理を持つ新しい大規模データセットを構築した。
さまざまな密集したスパースなデータセットを混ぜ合わせることができ、トレーニングの多様性を大幅に改善しています。
論文 参考訳(メタデータ) (2023-10-18T07:30:08Z) - IMP: Iterative Matching and Pose Estimation with Adaptive Pooling [34.36397639248686]
我々はEIMPと呼ばれるテキストbfefficient IMPを提案し、潜在的に一致しないキーポイントを動的に破棄する。
YFCC100m、Scannet、Aachen Day-Nightのデータセットに対する実験により、提案手法は精度と効率の点で従来の手法よりも優れていることが示された。
論文 参考訳(メタデータ) (2023-04-28T13:25:50Z) - Integrative Feature and Cost Aggregation with Transformers for Dense
Correspondence [63.868905184847954]
現在の最先端はTransformerベースのアプローチで、機能記述子やコストボリュームアグリゲーションに重点を置いている。
本稿では,両形態のアグリゲーションを相互にインターリーブするトランスフォーマーネットワークを提案する。
提案手法が密マッチングタスクに与える影響を評価し,全ての主要なベンチマークで最先端性能を実現する。
論文 参考訳(メタデータ) (2022-09-19T03:33:35Z) - DepthFormer: Exploiting Long-Range Correlation and Local Information for
Accurate Monocular Depth Estimation [50.08080424613603]
高精度な単分子深度推定には長距離相関が不可欠である。
我々は,このグローバルコンテキストを効果的な注意機構でモデル化するためにTransformerを活用することを提案する。
提案したモデルであるDepthFormerは、最先端のモノクル深度推定手法をはるかに超えている。
論文 参考訳(メタデータ) (2022-03-27T05:03:56Z) - Dynamic Spatial Propagation Network for Depth Completion [6.3447233767041356]
本稿では,周辺画素間の親和性を注目に基づくアプローチで学習する効率的なモデルを提案する。
実際に,本手法では,他のSPNの性能に適合するイテレーションを少なくし,全体としてより優れた結果が得られる。
論文 参考訳(メタデータ) (2022-02-20T09:43:17Z) - Cost Aggregation Is All You Need for Few-Shot Segmentation [28.23753949369226]
本稿では,数発のセグメンテーションタスクに取り組むために,変圧器を用いたボリュームアグリゲーション(VAT)を提案する。
VATは畳み込みとトランスフォーマーの両方を使用して、クエリとサポートの間の高次元相関マップを効率的に処理する。
提案手法は,意味対応タスクにおける標準ベンチマークにおいても,最先端の性能を実現する。
論文 参考訳(メタデータ) (2021-12-22T06:18:51Z) - Visual SLAM with Graph-Cut Optimized Multi-Plane Reconstruction [11.215334675788952]
本稿では,インスタンス平面セグメンテーションネットワークからのキューを用いたポーズ推定とマッピングを改善する意味平面SLAMシステムを提案する。
メインストリームのアプローチはRGB-Dセンサーを使用するが、そのようなシステムを備えた単眼カメラを使うことは、ロバストデータアソシエーションや正確な幾何モデルフィッティングといった課題に直面している。
論文 参考訳(メタデータ) (2021-08-09T18:16:08Z) - $P^2$ Net: Augmented Parallel-Pyramid Net for Attention Guided Pose
Estimation [69.25492391672064]
拡張ボトルネックとアテンションモジュールによる特徴改善を施したパラレルピラミドネットを提案する。
並列ピラミド構造は、ネットワークによって導入された情報損失を補うために続く。
提案手法は, MSCOCO と MPII のデータセットにおいて, 最適な性能を実現する。
論文 参考訳(メタデータ) (2020-10-26T02:10:12Z) - FPCR-Net: Feature Pyramidal Correlation and Residual Reconstruction for
Optical Flow Estimation [72.41370576242116]
フレーム対からの光フロー推定のための半教師付き特徴ピラミッド相関・残留再構成ネットワーク(FPCR-Net)を提案する。
ピラミッド相関マッピングと残留再構成の2つの主要なモジュールで構成されている。
実験結果から,提案手法は,平均終点誤差 (AEE) に対して0.80, 1.15, 0.10の改善を達成し,最先端性能を実現していることがわかった。
論文 参考訳(メタデータ) (2020-01-17T07:13:51Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。