إعادة التفكير في تمثيل النقاط الأساسية: نمذجة النقاط الأساسية والوضعيات ككائنات لتقدير وضعية الإنسان متعددة الأشخاص

في مهام تقدير النقاط المفتاحية مثل تقدير وضعية الإنسان، يظل التقدير القائم على الخرائط الحرارية (heatmap-based regression) هو الأسلوب السائد، رغم امتلاكه عيوبًا بارزة: فبالطبع، تعاني الخرائط الحرارية من خطأ التقطيع (quantization error)، وتحتاج إلى حسابات مكثفة لتكوينها ومعالجتها لاحقًا. ومستلهمين من رغبتنا في إيجاد حل أكثر كفاءة، نقترح نمذجة كل نقطة مفتاحية، وكذلك مجموعات من النقاط المفتاحية المرتبطة مكانيًا (أي، الوضعيات)، ككائنات ضمن إطار كشف متكامل مبني على كائنات مرجعية (anchor-based) من مرحلة واحدة. ولذلك، نسمّي طريقة عملنا KAPAO (تُلفظ "كا-باو")، أي "النقاط المفتاحية والوضعيات ككائنات". تُطبّق KAPAO على مشكلة تقدير وضعية الإنسان متعددة الأشخاص من مرحلة واحدة من خلال اكتشاف كلاً من وضعية الإنسان والكائنات الممثلة للنقاط المفتاحية في آنٍ واحد، ثم دمج النتائج للاستفادة من مزايا كلا تمثيلي الكائنات. وفي التجارب، لاحظنا أن KAPAO أسرع وأدق من الطرق السابقة التي تعاني بشدة من معالجة ما بعد الخرائط الحرارية. وتشهد العلاقة بين الدقة والسرعة توازنًا ممتازًا جدًا في البيئة العملية، خصوصًا عند عدم استخدام تقنية التكامل في وقت الاختبار (test-time augmentation). رمز المصدر: https://github.com/wmcnally/kapao.