PoseFix: Model-agnostic General Human Pose Refinement Network

介绍

二维图像中的多人pose估计是理解人类行为的一项重要技术。

本文提出了一种基于输入图像和输入位姿元组的人体pose refine网络，用在pose估计post processing中，调整pose估计的结果，（类似NMS使用重叠可能有假阳结果的先验，调整置信度）

而文章所用的先验是：在以往的方法中，位姿的细化主要是通过端到端可训练的多阶段体系结构来实现的。如PAF，EPAF，Hourglass 根据最近的研究，目前最先进的二维人体姿态估计方法具有相似的误差分布：

文章使用这个误差统计信息作为先验信息来生成合成的姿态

使用合成的错误姿态和GT来训练的pose refine模型。

在测试阶段，任何其他方法的位姿估计结果都可以输入到该方法中。

此外，所提出的模型不需要代码或其他方法的知识，这使得它可以方便地在后处理步骤中使用。

结果表明，该方法比传统的多阶段优化模型具有更好的性能，并在常用基准上不断改进各种最先进的位姿估计方法的性能。

我们将发布易于访问的代码和预先培训的模型。