面向分布的单阶段模型用于多人3D姿态估计

本文提出了一种新颖的分布感知单阶段（Distribution-Aware Single-stage, DAS）模型，用于解决具有挑战性的多人三维姿态估计问题。与现有的自上而下和自下而上的方法不同，所提出的DAS模型能够在一次通过中同时定位人物位置及其对应的三维空间中的身体关节，从而简化了流程并提高了效率。此外，DAS学习了身体关节的真实分布情况，而不是像以往工作那样简单地假设为拉普拉斯或高斯分布。这为模型预测提供了有价值的先验信息，从而提升了基于回归的方法的性能，使其在多人三维姿态估计方面达到了与基于体素的方法相媲美的效果。此外，DAS采用了一种递归更新策略，逐步逼近回归目标，缓解了优化难度并进一步提升了回归性能。DAS模型使用全卷积神经网络实现，并且可以端到端地进行训练。在CMU Panoptic和MuPoTS-3D基准数据集上的广泛实验表明，所提出的DAS模型不仅比之前的最佳模型速度快1.5倍，而且在多人三维姿态估计方面达到了最先进的精度。