論文の概要: PBADet: A One-Stage Anchor-Free Approach for Part-Body Association

• arxiv url: http://arxiv.org/abs/2402.07814v1
• Date: Mon, 12 Feb 2024 17:18:51 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-13 13:16:16.554069
• Title: PBADet: A One-Stage Anchor-Free Approach for Part-Body Association
• Title（参考訳）: pbadet:part-body associationのためのワンステージアンカーフリーアプローチ
• Authors: Zhongpai Gao, Huayi Zhou, Abhishek Sharma, Meng Zheng, Benjamin Planche, Terrence Chen, Ziyan Wu
• Abstract要約: PBADetは、部分体アソシエーション検出のための1段階のアンカーフリーアプローチである。 私たちのデザインは本質的に汎用的で、複数のパーツ間の関連を管理することができます。
• 参考スコア（独自算出の注目度）: 30.6652836585336
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The detection of human parts (e.g., hands, face) and their correct association with individuals is an essential task, e.g., for ubiquitous human-machine interfaces and action recognition. Traditional methods often employ multi-stage processes, rely on cumbersome anchor-based systems, or do not scale well to larger part sets. This paper presents PBADet, a novel one-stage, anchor-free approach for part-body association detection. Building upon the anchor-free object representation across multi-scale feature maps, we introduce a singular part-to-body center offset that effectively encapsulates the relationship between parts and their parent bodies. Our design is inherently versatile and capable of managing multiple parts-to-body associations without compromising on detection accuracy or robustness. Comprehensive experiments on various datasets underscore the efficacy of our approach, which not only outperforms existing state-of-the-art techniques but also offers a more streamlined and efficient solution to the part-body association challenge.
• Abstract（参考訳）: 人間の部分(例えば手、顔)の検出と個人との関係性は、ユビキタスなヒューマン・マシン・インタフェースや行動認識にとって重要なタスクである。 伝統的な手法では多段階のプロセスを使うことが多いし、厄介なアンカーベースのシステムに依存している。 本稿では,新しい一段階アンカーフリー・アプローチであるpbadetについて述べる。 マルチスケール特徴マップにまたがるアンカーフリーオブジェクト表現に基づいて,親体と部品の関係を効果的にカプセル化する特異な部分対体中心オフセットを導入する。 我々の設計は本質的に汎用的であり、検出精度や堅牢性を損なうことなく複数の部品間関連を管理することができる。 様々なデータセットに関する総合的な実験は、既存の最先端技術に勝るだけでなく、より合理化され効率的なソリューションを提供するアプローチの有効性を強調している。

関連論文リスト

• Occluded Person Re-Identification via Relational Adaptive Feature Correction Learning [8.015703163954639]
  複数のカメラが捉えた画像中の被写体再識別(Re-ID)は、歩行者や物体が被写体を隠蔽しているため困難である。 既存のほとんどの手法では、ネットワークを擬似ラベルとして利用しており、エラーを起こしやすい。 本稿では,Occlusion Correction Network (OCNet) を提案する。Occlusion Correction Network (OCNet) は,リレーショナル・ウェイト・ラーニングによって特徴を補正し,外部ネットワークを使わずに多様で代表的な特徴を得られる。
  論文  参考訳（メタデータ） (2022-12-09T07:48:47Z)
• Joint Multi-Person Body Detection and Orientation Estimation via One Unified Embedding [24.96237908232171]
  本論文では,HBOE問題に多人数で対処するための一段階のエンドツーエンドトレーニング可能なフレームワークを提案する。 本手法は,1つの埋め込みにボックスと方向角の予測を組み込むことで,すべての物体の位置と方向を1つの画像内に共同で推定することができる。
  論文  参考訳（メタデータ） (2022-10-27T16:22:50Z)
• Beyond the Prototype: Divide-and-conquer Proxies for Few-shot Segmentation [63.910211095033596]
  少ないショットのセグメンテーションは、少数の濃密なラベル付けされたサンプルのみを与えられた、目に見えないクラスオブジェクトをセグメンテーションすることを目的としている。 分割・分散の精神において, 単純かつ多目的な枠組みを提案する。 提案手法は、DCP(disvision-and-conquer proxies)と呼ばれるもので、適切な信頼性のある情報の開発を可能にする。
  論文  参考訳（メタデータ） (2022-04-21T06:21:14Z)
• Motion-Aware Transformer For Occluded Person Re-identification [1.9899263094148867]
  本研究では,非閉塞者Re-IDを用いた自己教師型深層学習手法を提案する。 従来の研究とは異なり、さまざまな姿勢の写真から得られる動き情報は、主要な人間の身体成分を識別するのに役立ちます。
  論文  参考訳（メタデータ） (2022-02-09T02:53:10Z)
• Mining the Benefits of Two-stage and One-stage HOI Detection [26.919979955155664]
  2段階の手法は、数年にわたって人-物体相互作用(HOI)の検出を支配してきた。 1段階の手法は、マルチタスク学習、すなわちオブジェクト検出と相互作用分類において適切なトレードオフを行うことが困難である。 本稿では,カスケード方式で人物体検出と相互作用分類を両立させる新しい一段階フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-08-11T07:38:09Z)
• InsPose: Instance-Aware Networks for Single-Stage Multi-Person Pose Estimation [37.80984212500406]
  本稿では,インスタンス認識型動的ネットワークを用いて,シンプルで効果的な解を提案する。 具体的には、各インスタンスのネットワークパラメータを適応的に(一部)調整するインスタンス対応モジュールを提案する。 我々のソリューションは、コンパクトなエンドツーエンドのトレーニング可能なパイプラインを維持しながら、様々なポーズを認識するためのネットワークの容量と適応性を大幅に向上させることができる。
  論文  参考訳（メタデータ） (2021-07-19T15:56:09Z)
• Differentiable Multi-Granularity Human Representation Learning for Instance-Aware Human Semantic Parsing [131.97475877877608]
  カテゴリーレベルの人間のセマンティックセグメンテーションとマルチパーソンポーズ推定を共同およびエンドツーエンドで学習するために,新たなボトムアップ方式を提案する。 さまざまな人間の粒度にわたって構造情報を利用する、コンパクトで効率的で強力なフレームワークです。 3つのインスタンス認識型ヒューマンデータセットの実験は、我々のモデルがより効率的な推論で他のボトムアップの代替案よりも優れていることを示している。
  論文  参考訳（メタデータ） (2021-03-08T06:55:00Z)
• Decoupled and Memory-Reinforced Networks: Towards Effective Feature Learning for One-Step Person Search [65.51181219410763]
  歩行者検出と識別サブタスクを1つのネットワークで処理するワンステップ方式を開発しました。 現在のワンステップアプローチには2つの大きな課題があります。 本稿では,これらの問題を解決するために,分離メモリ強化ネットワーク(DMRNet)を提案する。
  論文  参考訳（メタデータ） (2021-02-22T06:19:45Z)
• Centralized Information Interaction for Salient Object Detection [68.8587064889475]
  U字型構造は、多スケールの機能を効率的に組み合わせるサリエント物体検出に長けている。 本稿では,これらの接続を集中化することにより,相互に相互に情報交換を行うことができることを示す。 本手法は, ボトムアップ経路とトップダウン経路の接続を置換することにより, 既存のU字型サルエント物体検出手法と協調することができる。
  論文  参考訳（メタデータ） (2020-12-21T12:42:06Z)
• Diverse Knowledge Distillation for End-to-End Person Search [81.4926655119318]
  人物検索は、画像ギャラリーから特定の人物をローカライズし識別することを目的としている。 最近の手法は2つのグループ、すなわち2段階とエンドツーエンドのアプローチに分類できる。 ボトルネックを解消するために、多様な知識蒸留を備えたシンプルで強力なエンドツーエンドネットワークを提案します。
  論文  参考訳（メタデータ） (2020-12-21T09:04:27Z)
• Cascaded Human-Object Interaction Recognition [175.60439054047043]
  マルチステージで粗大なHOI理解のためのカスケードアーキテクチャを提案する。 各段階で、インスタンスローカライゼーションネットワークは、HOI提案を段階的に洗練し、インタラクション認識ネットワークにフィードする。 慎重に設計された人間中心の関係機能により、これらの2つのモジュールは効果的な相互作用理解に向けて協調的に機能する。
  論文  参考訳（メタデータ） (2020-03-09T17:05:04Z)

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。