TPAMI 2024 | 从简单到复杂场景：学习鲁棒特征表示以实现精确人体解析

From Simple to Complex Scenes: Learning Robust Feature Representations for Accurate Human Parsing

题目：从简单到复杂场景：学习鲁棒特征表示以实现精确人体解析

作者：Yunan Liu; Chunpeng Wang; Mingyu Lu; Jian Yang; Jie Gui; Shanshan Zhang

---

摘要

人体解析因其在计算机视觉领域的广泛应用而引起了相当大的研究兴趣。在本文中，我们探讨了几种有用的属性，包括高分辨率表示、辅助引导和模型鲁棒性，这些属性共同促成了一种新颖的方法，用于在简单和复杂场景中进行精确的人体解析。从简单场景开始：我们提出了边界感知混合分辨率网络（BHRN），这是一种先进的人体解析网络。BHRN利用反卷积层和多尺度监督来生成丰富的高分辨率表示。此外，它还包括一个设计用来增强部件边界精细度的边缘感知分支。在BHRN的基础上，我们构建了一个双任务互学习（DTML）框架。它不仅通过整合边界特征提供隐式引导以协助解析器，而且还明确地维