Learning to Refine Human Pose Estimation

该文探讨了一种18年的研究,旨在优化人体姿势估计模型的预测结果。通过训练新模型对原始预测姿势进行校正,利用原始图片和多通道信息作为输入,输出修正后的姿势。尽管目前仅适用于单人姿势修正且无法与原模型联合训练,但这种方法展示了提高人体关键点定位精度的潜力。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

翻到的一篇18年的老文章, 讲的是如何对关键点预测网络预测出的关键点进行修正, arxiv链接.

论文目的

对已有的pose estimation model产生的pose进行修正

论文方法

训练一个新的模型, 来对某个pose estimation model产生的pose进行修正, 新模型文章命名为 PoseRefiner.

  • 输入: 原始图片Image, 原始图片Image与其经过pose estimation model产生的n个channel的heatmap concate一起的 P i n p u t P_{input} P
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值