摘要
我们提出了一种简单而可靠的自底向上方法，能够在多人群体姿态估计问题中实现准确率与效率之间的良好权衡。给定一张图像，我们采用Hourglass网络同时推断所有人物的关节点（keypoints），并预测连接同一人物相邻关节点的引导偏移量（guiding offsets）。随后，我们利用预测的引导偏移量，通过贪心策略将候选关节点分组为多个可能的人体姿态（若存在）。我们将这一过程称为贪心引导偏移关节点分组（Greedy Offset-guided Keypoint Grouping, GOG）。此外，我们重新审视了多人群体关节点坐标的编码-解码方法，并揭示了一些影响模型精度的关键事实。实验结果表明，所引入的组件显著提升了整体性能。在公平比较条件下，我们的方法在具有挑战性的COCO数据集上达到了与当前最先进方法相当的水平。相关源代码及预训练模型已公开发布于网络。