#姿态估计# 用于全身姿势估计的Single-Network 《Single-Network Whole-Body Pose Estimation》ICCV 2019
注：本文进行姿态估计的速度与人数量无关，人越多，比 OpenPose更快 ！
作者：CMU
我们第一个提出了单网络的二维-全身姿态估计方法，它需要同时定位身体、面部、手和脚的关键点。由于自下而上的构想，我们的方法始终能够保持实时性能，不管图像中的人数多少。该网络采用多任务学习的单阶段训练，通过改进的体系结构，可以处理身体/脚和面部/手关键点之间的比例差异。我们的方法在OpenPose的基础上有了很大的改进，OpenPose是迄今为止唯一能够进行全身姿态估计的工作，在速度和全局精度方面都是如此。与OpenPose不同，我们的方法不需要为每只手和面部候选对象运行额外的网络，这使得它在多人场景下的速度大大加快。这项工作直接降低了需要2D全身信息的应用程序的计算复杂度（例如，VR/AR、重定位）。此外，它产生更高的精度，尤其是针对有遮挡、模糊和低分辨率的脸和手时候。
论文下载链接：https://arxiv.org/abs/1909.13423
代码：https://github.com/CMU-Perceptual-Computing-Lab/openpose_train