摘要

实例级人体分析在现实场景中十分常见，具有多种表现形式，如人体部位分割、密集姿态估计、人与物体的交互等。模型需要在图像面板中区分不同的个体，并学习丰富的特征以表示每个个体的细节。本文提出了一种端到端的管道，用于解决实例级人体分析问题，命名为解析R-CNN（Parsing R-CNN）。该方法通过全面考虑基于区域的方法的特性和人体外观，同时处理一组人体实例，从而能够表示实例的细节。解析R-CNN非常灵活且高效，适用于许多人体实例分析的问题。我们的方法在CIHP（人群实例级人体解析）、MHP v2.0（多人体解析）和DensePose-COCO数据集上均优于所有现有最先进方法。基于所提出的解析R-CNN，我们在COCO 2018挑战赛的密集姿态估计任务中获得了第一名。代码和模型均已公开。