该论文发表于CVPR2021
Background 背景
该论文关注的是的是自底向上的关键点回归人体姿态估计,作者认为回归关键点坐标的特征必须集中注意到关键点周围的区域,才能够精确回归出关键点坐标。因此提出了一种名为解构式关键点回归(DEKR)的方法。这种直接回归坐标的方法超过了以前的关键点热度图检测并组合的方法,并且在 COCO 和 CrowdPose 两个数据集上达到了目前自底向上姿态检测的最好结果
上图作者选取了鼻子和两个脚踝共三个关键点展示了模型在回归关键点时注意到的区域,左图为Baseline,右图使用了DEKR方法,可以很明显的看出 DEKR 的自适应卷积和多分支结构确实让特征更加集中注意到关键点周围的区域。
创新点
DEKR 方法有两个重要内容:
1.自适应卷积(感觉就是可变卷积);
2.多分支结构,每个分支都会针对某种关键点利用自适应卷积学习,专注于关键点周围的像素特征,并且利用该特征回归该关键点的位置。