4 个月前

关键点社区

关键点社区

摘要

我们提出了一种快速的自底向上方法,能够同时检测人体或物体上的100多个关键点,这一过程也被称为人体/物体姿态估计。我们将属于人体或物体的所有关键点——即姿态——建模为一个图,并利用社区检测中的见解来量化关键点的独立性。我们采用一种图中心性度量方法为姿态的不同部分分配训练权重。所提出的度量方法量化了一个关键点与其邻域连接的紧密程度。实验结果表明,我们的方法在面部、手部和脚部的细粒度关键点注释上(共计133个关键点)超越了所有先前的人体姿态估计方法。此外,我们还证明了该方法可以推广到汽车姿态估计。

代码仓库

duncanzauss/keypoint_communities
官方
GitHub 中提及

基准测试

基准方法指标
2d-human-pose-estimation-on-coco-wholebody-1Zauss et al.
WB: 60.4
body: 69.6
face: 85.0
foot: 63.4
hand: 52.9
car-pose-estimation-on-apollocar3dZauss et al.
Detection Rate: 91.9

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
关键点社区 | 论文 | HyperAI超神经