4 个月前

Pose Flow: 高效在线姿态跟踪

Pose Flow: 高效在线姿态跟踪

摘要

多人姿态跟踪在无约束视频中是一个重要而具有挑战性的问题。本文沿着自上而下的方法路线,提出了一种基于姿态流的高效且性能良好的姿态跟踪器。首先,我们设计了一个在线优化框架,用于建立跨帧姿态之间的关联并形成姿态流(PF-Builder)。其次,我们设计了一种新颖的姿态流非极大值抑制(PF-NMS)算法,以稳健地减少冗余的姿态流并重新连接时间上不连续的轨迹。大量实验表明,我们的方法在两个标准姿态跟踪数据集上显著优于最佳报告结果,分别提高了13个mAP和25个MOTA以及6个mAP和3个MOTA。此外,在对单帧检测到的姿态进行处理时,该姿态跟踪器的额外计算量非常小,保证了在线10 FPS的跟踪速度。我们的源代码已公开发布(https://github.com/YuliangXiu/PoseFlow)。

代码仓库

YuliangXiu/PoseFlow
官方
pytorch
GitHub 中提及

基准测试

基准方法指标
keypoint-detection-on-coco-test-challengeXiu et al.
AR: 67.5
ARM: 62.5
pose-tracking-on-posetrack2017PoseFlow
MOTA: 50.98
mAP: 62.95

用 AI 构建 AI

从想法到上线——通过免费 AI 协同编程、开箱即用的环境和市场最优价格的 GPU 加速您的 AI 开发

AI 协同编程
即用型 GPU
最优价格
立即开始

Hyper Newsletters

订阅我们的最新资讯
我们会在北京时间 每周一的上午九点 向您的邮箱投递本周内的最新更新
邮件发送服务由 MailChimp 提供
Pose Flow: 高效在线姿态跟踪 | 论文 | HyperAI超神经