HyperAIHyperAI
منذ 2 أشهر

تحسين الاستدلال الذاتي المقيّد بالمجموعات الهيكلية لتقدير وضع الجسم البشري

Kan, Zhehan ; Chen, Shuoshuo ; Li, Zeng ; He, Zhihai
تحسين الاستدلال الذاتي المقيّد بالمجموعات الهيكلية لتقدير وضع الجسم البشري
الملخص

نلاحظ أن أوضاع الإنسان تظهر ارتباطًا هيكلًا قويًا وترابطًا مكانيًا بين النقاط الرئيسية بسبب القيود البيولوجية للأجزاء المختلفة من الجسم. يمكن استغلال هذا الارتباط الهيكلي الجماعي لتحسين دقة ومتانة تقدير وضع الإنسان. في هذا العمل، نطور شبكة تنبؤ-تحقق ذاتية القيود لتمثيل وتعلم الارتباط الهيكلي بين النقاط الرئيسية أثناء التدريب. خلال مرحلة الاستدلال، يسمح لنا المعلومات المرتدة من الشبكة المحققة بإجراء تحسينات إضافية على تنبؤ وضع الإنسان، مما يعزز بشكل كبير أداء تقدير وضع الإنسان.تحديدًا، نقسم النقاط الرئيسية إلى مجموعات بناءً على البنية البيولوجية للجسم البشري. داخل كل مجموعة، يتم تقسيم النقاط الرئيسية إلى فرعين: نقاط أساسية ذات ثقة عالية ونقاط نهاية ذات ثقة منخفضة. نطور شبكة تنبؤ-تحقق ذاتية القيود لإجراء التنبؤات الأمامية والخلفية بين هذين الفرعين من النقاط الرئيسية. أحد التحديات الأساسية في تقدير الوضع وفي مهمات التنبؤ العامة هو عدم وجود آلية يمكننا من خلالها التحقق مما إذا كانت النتائج المحصلة لتقدير الوضع أو التنبؤ دقيقة أم لا، نظرًا لعدم توفر الحقيقة الأرضية (ground truth). بمجرد تعلمها بنجاح، تعمل الشبكة المحققة كوحدة للتحقق من الدقة للتنبؤ الأمامي بوضع الجسم. خلال مرحلة الاستدلال، يمكن استخدامها لإرشاد التحسين المحلي لنتائج تقدير وضع النقاط ذات الثقة المنخفضة باستخدام دالة الخسارة الذاتية المقيدة (self-constrained loss) على النقاط ذات الثقة العالية كدالة هدف.نتائجنا التجريبية الواسعة على مجموعتي البيانات المرجعيتين MS COCO وCrowdPose تثبت أن الطريقة المقترحة يمكن أن تحسن بشكل كبير نتائج تقدير وضع الجسم.