MMPose是OpenMMLab中的做人体姿态估计的开源工具箱。
目前的初步理解是:输入图像I,输出关键点的坐标,如果输出的是3维坐标,那就是3D姿态估计。以此为基础的下游任务包括:行为识别,即理解图像中人物或动物的动作,是跑,是跳,是投掷还是拥抱等等。
姿态估计的研究方法包括:自顶向下、自底向上,多阶段方法,单阶段方法,基于transformer的方法。
基于回归的方法,将关键点坐标的求值归结于一个回归问题,回归方法符合直觉,但是精度欠佳。另一种就是基于热图的方法,这种方法并不是直接预测关键点的坐标,而是预测关键点位于每个位置的概率,这种方法精度会比回归方法高,但是计算量更大,另外,视频老师也提到了,他们研究小组最近的一个成果就是采用回归方法达到了热图方法的精度。
由于本人不做这个方向,所以并没有特别深入地理解。留下部分,以后有时间再做深入研究吧。