論文の概要: ProbPose: A Probabilistic Approach to 2D Human Pose Estimation
- arxiv url: http://arxiv.org/abs/2412.02254v1
- Date: Tue, 03 Dec 2024 08:30:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-04 15:44:31.666308
- Title: ProbPose: A Probabilistic Approach to 2D Human Pose Estimation
- Title(参考訳): ProbPose: 人間の2次元姿勢推定のための確率論的アプローチ
- Authors: Miroslav Purkrabek, Jiri Matas,
- Abstract要約: 本稿では,各キーポイントについて,アクティベーションウィンドウ内の各位置におけるキーポイント存在のキャリブレーションされた確率,外部にいる確率,その可視性について予測するProbPoseを提案する。
COCO、CropCOCO、OCHumanでテストした結果、ProbPoseは画像外キーポイントのローカライゼーションが大幅に向上し、データ拡張による画像内ローカライゼーションも改善した。
- 参考スコア(独自算出の注目度): 24.63316659365843
- License:
- Abstract: Current Human Pose Estimation methods have achieved significant improvements. However, state-of-the-art models ignore out-of-image keypoints and use uncalibrated heatmaps as keypoint location representations. To address these limitations, we propose ProbPose, which predicts for each keypoint: a calibrated probability of keypoint presence at each location in the activation window, the probability of being outside of it, and its predicted visibility. To address the lack of evaluation protocols for out-of-image keypoints, we introduce the CropCOCO dataset and the Extended OKS (Ex-OKS) metric, which extends OKS to out-of-image points. Tested on COCO, CropCOCO, and OCHuman, ProbPose shows significant gains in out-of-image keypoint localization while also improving in-image localization through data augmentation. Additionally, the model improves robustness along the edges of the bounding box and offers better flexibility in keypoint evaluation. The code and models are available on https://mirapurkrabek.github.io/ProbPose/ for research purposes.
- Abstract(参考訳): 現在のヒューマン・ポース推定法は大幅に改善されている。
しかし、最先端モデルは、画像外キーポイントを無視し、キーポイント位置表現として非校正ヒートマップを使用する。
これらの制約に対処するため,アクティベーションウィンドウ内の各位置におけるキーポイント存在の校正確率,外部に存在する確率,予測可視性など,各キーポイントの予測を行うProbPoseを提案する。
オフ・オブ・イメージ・キーポイントの評価プロトコルの欠如を解決するため,CropCOCOデータセットと拡張OKS(Ex-OKS)メトリクスを導入し,OKSをアウト・オブ・イメージポイントに拡張する。
COCO、CropCOCO、OCHumanでテストした結果、ProbPoseは画像外キーポイントのローカライゼーションの大幅な向上と、データ拡張による画像内ローカライゼーションの改善を示している。
さらに、モデルはバウンディングボックスのエッジに沿った堅牢性を改善し、キーポイント評価の柔軟性を向上させる。
コードとモデルは研究目的でhttps://mirapurkrabek.github.io/ProbPose/で公開されている。
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) - Rethinking Keypoint Representations: Modeling Keypoints and Poses as
Objects for Multi-Person Human Pose Estimation [79.78017059539526]
本研究では,個々のキーポイントと空間的関連キーポイント(ポーズ)の集合を,密集した単一ステージアンカーベース検出フレームワーク内のオブジェクトとしてモデル化する,新しいヒートマップフリーなキーポイント推定手法を提案する。
実験では, KAPAOは従来手法よりもはるかに高速かつ高精度であり, 熱マップ後処理に悩まされていた。
我々の大規模モデルであるKAPAO-Lは、テスト時間拡張なしでMicrosoft COCO Keypoints検証セット上で70.6のAPを達成する。
論文 参考訳(メタデータ) (2021-11-16T15:36:44Z) - Accurate Grid Keypoint Learning for Efficient Video Prediction [87.71109421608232]
キーポイントベースのビデオ予測手法は、トレーニングやデプロイメントにおいて、かなりの計算資源を消費することができる。
本稿では,長期的効率的な映像予測のための頑健で説明可能な中間キーポイント表現を目的とした,新しいグリッドキーポイント学習フレームワークを設計する。
提案手法は,計算資源の98%以上を節約しつつ,最先端のビデオ予測手法よりも優れていた。
論文 参考訳(メタデータ) (2021-07-28T05:04:30Z) - Bottom-Up Human Pose Estimation Via Disentangled Keypoint Regression [81.05772887221333]
従来のキーポイント検出およびグループ化フレームワークに劣る密度の高いキーポイント回帰フレームワークについて検討する。
我々は,dekr(disentangled keypoint regression)という,単純かつ効果的な手法を提案する。
提案手法はキーポイント検出法やグループ化法よりも優れていることを示す。
論文 参考訳(メタデータ) (2021-04-06T05:54:46Z) - AdaFuse: Adaptive Multiview Fusion for Accurate Human Pose Estimation in
the Wild [77.43884383743872]
本稿では,アダプティブなマルチビュー融合手法であるAdaFuseについて述べる。
我々は、Human3.6M、Total Capture、CMU Panopticの3つの公開データセットに対するアプローチを広く評価した。
また,大規模合成データセットOcclusion-Personを作成し,咬合関節の数値評価を行う。
論文 参考訳(メタデータ) (2020-10-26T03:19:46Z) - Graph-PCNN: Two Stage Human Pose Estimation with Graph Pose Refinement [54.29252286561449]
グラフPCNNと呼ばれる2段階のグラフベースおよびモデルに依存しないフレームワークを提案する。
第1段階では、粗局化結果を得るために熱マップ回帰ネットワークを適用し、ガイドポイントと呼ばれる一連の提案キーポイントをサンプリングする。
第2段階では、各案内点について、ローカライゼーションにより異なる視覚特徴を抽出する。
ガイドされた点間の関係は、より正確なローカライゼーション結果を得るためにグラフポーズ精製モジュールによって探索される。
論文 参考訳(メタデータ) (2020-07-21T04:59:15Z) - 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) - Joint COCO and Mapillary Workshop at ICCV 2019 Keypoint Detection
Challenge Track Technical Report: Distribution-Aware Coordinate
Representation for Human Pose Estimation [36.73217430761146]
人間のポーズ推定における座標表現に着目した。
本稿では,分散認識型復号法を提案する。
それらを組み合わせて,キーポイント(DARK)法のための新しい分布認識座標表現を定式化する。
論文 参考訳(メタデータ) (2020-03-13T10:22:36Z)
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。