摘要
人体姿态估计是计算机视觉领域的一个热门研究方向,而遮挡是人体姿态估计的一个基本的挑战,但现有的基于热图的方法遭受了遮挡的严重退化.大部分技术存在一定的内在问题,直接根据视觉信息定位关节,但是看不见的关节将会导致这些相关信息缺乏.针对该技术的局限性,我们提出一个图像引导的渐进式GCN模块,从推理的角度来估计不可见的关节,该模块提供下文和姿态结构的全面理解.此外,现有的基准包含有限的闭塞,以进行评估.本文提出了一个新的OPEC-Net框架和一个新的具有9k个注释图像的遮挡(OCPose)数据集.对基准进行的广泛的定量和定性评估表明,该工作取得了显著的改进.
基金项目
国家级大学生创新创业训练计划(202114278009X)
广州市基础与应用基础研究项目(202002030232)
广东省普通高校青年创新人才项目(2019KQNCX095)
广东省高等学校教学质量与教学改革工程项目(18)
广东第二师范学院网络工程重点学科项目(ZD2017004)
NETL
NSTL
维普
万方数据