摘要
本文介绍了一种新颖的自下而上的多人姿态估计架构——MultiPoseNet，该架构结合了多任务模型和一种创新的分配方法。MultiPoseNet 能够同时处理人体检测、关键点检测、人体分割和姿态估计问题。这种创新的分配方法通过 Pose Residual Network（PRN）实现，PRN 接收关键点和人体检测结果，并通过将关键点分配给具体的人体实例来生成精确的姿态。在 COCO 关键点数据集上，我们的姿态估计方法在精度（比之前最佳结果高出 4 个 mAP 点）和速度方面均优于所有先前的自下而上方法；同时，其性能与最佳的自上而下方法相当，但至少快 4 倍。我们的方法是最快的实时系统，可达到每秒 23 帧的速度。源代码可在以下地址获取：https://github.com/mkocabas/pose-residual-network