論文の概要: Improving Robustness for Pose Estimation via Stable Heatmap Regression

• arxiv url: http://arxiv.org/abs/2105.03569v1
• Date: Sat, 8 May 2021 03:07:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2021-05-11 14:58:28.329375
• Title: Improving Robustness for Pose Estimation via Stable Heatmap Regression
• Title（参考訳）: 安定ヒートマップ回帰によるポーズ推定のロバスト性向上
• Authors: Yumeng Zhang, Li Chen, Yufeng Liu, Xiaoyan Guo, Wen Zheng, Junhai Yong
• Abstract要約: ネットワーク脆弱性を小さな摂動に緩和するヒートマップ回帰法を提案する。 最適化の難易度を簡略化するために、最大安定性トレーニング損失を使用する。 提案手法は,2つのベンチマークデータセットに対する最先端アプローチに対するロバスト性を大幅に向上させる。
• 参考スコア（独自算出の注目度）: 19.108116394510258
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Deep learning methods have achieved excellent performance in pose estimation, but the lack of robustness causes the keypoints to change drastically between similar images. In view of this problem, a stable heatmap regression method is proposed to alleviate network vulnerability to small perturbations. We utilize the correlation between different rows and columns in a heatmap to alleviate the multi-peaks problem, and design a highly differentiated heatmap regression to make a keypoint discriminative from surrounding points. A maximum stability training loss is used to simplify the optimization difficulty when minimizing the prediction gap of two similar images. The proposed method achieves a significant advance in robustness over state-of-the-art approaches on two benchmark datasets and maintains high performance.
• Abstract（参考訳）: 深層学習法はポーズ推定において優れた性能を達成しているが,頑健性の欠如により,類似画像間でキーポイントが大きく変化する。 この問題を考慮し,ネットワークの脆弱性を小さな摂動に軽減するために,安定な熱マップ回帰法を提案する。 我々は,マルチピーク問題を緩和するために,ヒートマップ内の異なる行と列の相関を利用して,周囲の点からキーポイントを識別する,高度に分化したヒートマップ回帰を設計する。 2つの類似画像の予測ギャップを最小化する際の最適化難易度を最小化するために、最大安定性トレーニング損失を用いる。 提案手法は,2つのベンチマークデータセットに対する最先端アプローチに対するロバスト性を大幅に向上させ,高い性能を維持する。

関連論文リスト

• Hybrid model for Single-Stage Multi-Person Pose Estimation [3.592448408054345]
  そこで本研究では,HybridPoseという,単段階多人数ポーズ推定のためのハイブリッドモデルを提案する。 密に配置されたキーポイントを検出するだけでなく、画像内の存在しないキーポイントをフィルタリングすることもできる。
  論文  参考訳（メタデータ） (2023-05-02T02:55:29Z)
• Heatmap Distribution Matching for Human Pose Estimation [12.524484316923333]
  このような方法で熱マップの予測を最適化することは、生体関節局所化のモデル性能を一貫して改善することができないことを示す。 本稿では, 熱マップ予測の最適化を, 予測熱マップと生体関節のドットアノテーションとの分布整合問題として定式化する。 提案手法の有効性を,COCOデータセットとMPIIデータセットの広範な実験により示す。
  論文  参考訳（メタデータ） (2022-10-03T07:21:30Z)
• Poseur: Direct Human Pose Regression with Transformers [119.79232258661995]
  単一画像からの2次元人間のポーズ推定に対する直接回帰に基づくアプローチを提案する。 私たちのフレームワークはエンドツーエンドの差別化が可能で、キーポイント間の依存関係を自然に活用することを学びます。 我々のアプローチは、最も優れたヒートマップベースのポーズ推定手法と比較して好意的に機能する最初の回帰ベースのアプローチである。
  論文  参考訳（メタデータ） (2022-01-19T04:31:57Z)
• Subpixel Heatmap Regression for Facial Landmark Localization [65.41270740933656]
  熱マップ回帰法は、熱マップ符号化と復号処理の両方に関連する離散化による誤差に悩まされる。 本稿では,熱マップの符号化と復号化に基礎となる連続分布を利用した新しい手法を提案する。 我々のアプローチは、顔のランドマークのローカライゼーションに新しい最先端の結果を設定する複数のデータセット間で顕著な利得を提供する。
  論文  参考訳（メタデータ） (2021-11-03T17:21:28Z)
• Low-resolution Human Pose Estimation [49.531572116079026]
  低分解能ポーズ推定のための信頼意識学習(CAL)手法を提案する。 CALは、既存のオフセット学習手法の2つの基本的な制限に対処する: 一貫性のないトレーニングとテスト、分離されたヒートマップとオフセット学習。 提案手法は,低分解能人間のポーズ推定における最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2021-09-19T09:13:57Z)
• TFPose: Direct Human Pose Estimation with Transformers [83.03424247905869]
  ポーズ推定タスクを変換器で効果的に解くことができるシーケンス予測問題に定式化します。 我々のフレームワークは単純で直接的であり、ヒートマップに基づくポーズ推定の欠点を回避している。 MS-COCOおよびMPIIデータセットの実験は、この手法が回帰ベースのポーズ推定の最先端を大幅に改善できることを示しています。
  論文  参考訳（メタデータ） (2021-03-29T04:18:54Z)
• Bottom-Up Human Pose Estimation by Ranking Heatmap-Guided Adaptive Keypoint Estimates [76.51095823248104]
  キーポイント検出とグループ化(キーポイント回帰)性能を改善するために,これまでにほとんど,あるいはまったく研究されていないいくつかのスキームを提案する。 まず,画素単位のキーポイントレグレッションに対して,キーポイントのリグレッションを改善するために分離する代わりに,キーポイントのヒートマップを利用する。 第2に、スケールと向きの分散を扱うための適応表現を学習するために、画素単位の空間変換器ネットワークを採用する。 第3に,真のポーズとなる確率の高い推定ポーズを促進するために,結合形状と熱値評価手法を提案する。
  論文  参考訳（メタデータ） (2020-06-28T01:14:59Z)
• Deep Semantic Matching with Foreground Detection and Cycle-Consistency [103.22976097225457]
  深層ネットワークに基づく弱い教師付きセマンティックマッチングに対処する。 本研究では,背景乱れの影響を抑えるために,前景領域を明示的に推定する。 複数の画像にまたがって予測変換を強制し、幾何的に可視かつ一貫したサイクル一貫性の損失を発生させる。
  論文  参考訳（メタデータ） (2020-03-31T22:38:09Z)

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。