Deeply Learned Compositional Models for Human Pose Estimation

提出一种组合模型，表示人体各部分的层次关系3，有利于解决low-level的模糊问题。

 

主要的思路是这样的：单个关节点是lowest-level part, 通过组合，形成各个层次的high-level part， 如上图(a)。在bottom-up过程中，  首先在输入图像中粗略估计lowest-level信息， 再依次迭代的估计high-level信息。 在top-down过程中，low-level信息可以通过high-level的信息估计， 当然也需要依靠同级的信息(bottom-up中获得)。这可以在(c)图看出。

为了解决组合爆炸的问题， 文中提出bone heatmap。他包含了scale, orietation等信息，同时降低了组合复杂度。

实际模型采用hourglass作为baseline， 5个stacks。整体实现比较hourglass改动不大。

可以借鉴的点：

1.  利用人体部位的层次信息， high-level的信息对low-level的问题解决有帮助；

2. bone-based 的监督， 这种heatmap包含方向、尺度等有益信息， 对遮挡等问题解决有帮助。