用于多人姿态估计的可微分分层图分组

多人姿态估计是一项具有挑战性的任务，其核心在于同时定位多个个体的身体关键点。现有的方法主要可分为两类：自顶向下（top-down）与自底向上（bottom-up）方法。自顶向下方法首先进行人体检测，再在检测到的个体区域内定位关键点；而自底向上方法则直接检测关键点，随后通过聚类或分组将关键点分配给不同的人体，通常在效率上优于自顶向下方法。然而，在现有的自底向上方法中，关键点聚类过程通常与关键点检测相互独立，导致模型无法实现端到端训练，且性能受限于次优的分组策略。本文提出一种全新的视角来理解人体部件的分组问题，并将其重新建模为图聚类任务。为此，我们提出一种新颖的可微分分层图聚类（Hierarchical Graph Grouping, HGG）方法，用于在自底向上的多人姿态估计任务中学习关键点的图结构聚类。HGG方法可轻松集成至主流的自底向上姿态估计框架中。该方法将人体关键点候选作为图的节点，利用多层图神经网络模型实现关键点的分层聚类。HGG的各个模块可与关键点检测网络进行端到端联合训练，并支持以分层方式对聚类过程进行监督。为进一步提升聚类的判别能力，我们引入了一组边判别器（edge discriminators）和宏观节点判别器（macro-node discriminators），以增强图结构中节点间关系的区分性。在COCO和OCHuman两个公开数据集上的大量实验表明，所提出的HGG方法显著提升了自底向上姿态估计方法的性能。