摘要

近期关于二维姿态估计的研究在公共基准测试中取得了优异的性能，但在工业界的应用仍受到模型参数量庞大和高延迟的困扰。为了弥合这一差距，我们对姿态估计中的关键因素进行了实证研究，包括范式、模型架构、训练策略和部署方法，并基于MMPose提出了一种高性能实时多人姿态估计框架——RTMPose。我们的RTMPose-m在Intel i7-11700 CPU上实现了90帧每秒（FPS）以上的速度，在COCO数据集上的平均精度（AP）达到了75.8%，而在NVIDIA GTX 1660 Ti GPU上则实现了430帧每秒以上的速度。此外，RTMPose-l在COCO-WholeBody数据集上的平均精度为67.0%，并且能够达到130帧每秒以上的速度。为了进一步评估RTMPose在关键实时应用中的能力，我们还报告了其在移动设备上的部署性能。我们的RTMPose-s在搭载Snapdragon 865芯片的移动设备上实现了70帧每秒以上的速度，在COCO数据集上的平均精度达到了72.2%，优于现有的开源库。代码和模型已发布在 https://github.com/open-mmlab/mmpose/tree/1.x/projects/rtmpose。