Adversarial PoseNet

论文题目：Adversarial PoseNet: AStructure-aware Convolutional Network for Human

PoseEstimation

出处：ICCV 2017

 

主要贡献：

1、我们设计了一种新颖的人体姿态估计网络框架，它考虑了人类关节连接性的几何约束。通过将人体的先验知识整合在一起，可以大大减少因遮挡和杂乱的背景而引起的预测错误。即使网络失败了，网络的输出也更像是“人”的预测而不是“机器”的预测。

2、根据我们的最佳知识，我们是第一个使用GAN来利用受限的人姿分布来改善人的姿态估计。我们还设计了一个堆叠的多任务网络，用于预测姿态热图和遮挡热图，以达到更好的效果。

3、在LSP Human Pose和MPII Human Pose数据集评估，性能优异。

 

Motivation：

以前的方法主要是采用DCNNs对每个身体部分的热图进行回归的策略。这些回归模型显示了学习更好的特征表示的巨大能力。然而，对于重度遮挡的身体部位(尤其是周围人的身体部位)和与身体部位相似的背景，DCNNs可能会难以回归精确的热图。

人类的视觉能够从观察中学习人类形体结构的多样性和无限。即使在极端的遮挡下，我们也可以推断出潜在的姿势，并移除不可信的姿势。