فكّك المُثَلَّث السياقي لتقدير موضع الأشخاص متعدّد بقوة

تُعدّ المشاهد المزدحمة تحديًا كبيرًا في التمييز بين الأشخاص وتحديد نقاط الموضع الخاصة بهم. يقترح هذا البحث نموذج التفكيك السياقي للInstances (CID)، الذي يقدم مسارًا جديدًا لتقدير موضع الشخص متعدد الأشخاص. بدلًا من الاعتماد على مربعات الحدود (bounding boxes) لتمييز الأشخاص مكانيًا، يقوم CID بفصل الأشخاص في الصورة إلى خرائط ميزات متعددة تُراعي الهوية الفردية (instance-aware). ويُستخدم كل خريطة من هذه الخرائط لاستنتاج نقاط الموضع الخاصة بشخص معين. مقارنةً بتحديد مربعات الحدود، يمتاز CID بالقابلية للتفاضل ومقاومته لأخطاء الكشف. إذ يسمح فصل الأشخاص إلى خرائط ميزات منفصلة بعزل العوامل المُربكة الناتجة عن الأشخاص الآخرين، واستكشاف معلومات سياقية على مقاييس أكبر من حجم مربعات الحدود. أظهرت التجارب أن نموذج CID يتفوق على النماذج السابقة في تقدير موضع الشخص متعدد الأشخاص، خصوصًا في معايير التقييم الخاصة بالمشاهد المزدحمة من حيث الدقة والكفاءة. على سبيل المثال، حقق 71.3% من AP على مجموعة بيانات CrowdPose، متفوقًا على النموذج أحادي المرحلة DEKR الحديث بنسبة 5.6%، وعلى نموذج CenterAttention القائم على النهج السفلي بنسبة 3.7%، وعلى نموذج JC-SPPE القائم على النهج العلوي بنسبة 5.3%. ويُبقي هذا التفوق على المعيار الشائع COCO.