The Center of Attention: Center-Keypoint Grouping via Attention for Multi-Person Pose Estimation

该论文发表于ICCV2021

本文是将Transformer应用于关键点分组的创新工作。实际上是自底向上方法中分组操作的优化，利用Transformer进行关键点分组，达到端到端训练与加快模型推理速度的效果。并且，在拥挤图像中，该方法能够拥有更好的效果，以此，探索到注意力机制在关键点分组上的潜力。

摘要：

本文提出了一种利用人体中心点分组，基于注意力机制的框架从一组未划分人体实例的关键点与人体中心点坐标预测估计人体姿态。该方法使用了transformer来获取所有检测到的关键点和中心点的上下文感知嵌入以此直接进行关键点分组。目前的大多数自底向上方法依赖于推理过程中不参与网络训练的聚类操作，本文方法使用了一种完全不同于之前聚类操作的注意力机制进行关键点分组，以此将分组操作与关键点检测一起端到端训练，该方法再提升精度同时具有更快的推理性能。

Introduction：

该节主要分为三个部分讲述：1、研究背景及现状（提出问题）2、研究方法及目标（解决方案） 3、贡献（问题解决的效果）

1、研究背景、研究现状：
目前2D人体姿态估计方法划分为自底向上与自顶向下两种模式。自上而下将人体姿态估计问题划分为：1）识别人（分组） 2）识别单人姿态。（检测关键点）该方法使用单人目标检测器，会