摘要

实时多人姿态估计在平衡速度和精度方面面临着显著挑战。虽然两阶段自上而下的方法随着图像中人数的增加而变慢，但现有的单阶段方法通常难以同时实现高精度和实时性能。本文介绍了一种名为RTMO的单阶段姿态估计框架，该框架通过在YOLO架构内使用双一维热图表示关键点，无缝集成了坐标分类，实现了与自上而下方法相当的精度，同时保持了高速度。我们提出了一种动态坐标分类器和专门为热图学习设计的损失函数，旨在解决坐标分类与密集预测模型之间的不兼容问题。RTMO超越了最先进的单阶段姿态估计器，在相同的骨干网络下，其在COCO数据集上的AP值比现有方法高出1.1%，且运行速度大约快9倍。我们的最大模型RTMO-l在COCO val2017数据集上达到了74.8%的AP值，并在单个V100 GPU上实现了141 FPS的速度，展示了其高效性和准确性。代码和模型可在以下地址获取：https://github.com/open-mmlab/mmpose/tree/main/projects/rtmo。