摘要
结构化表示（如关键点）在姿态迁移、条件图像生成、动画和3D重建中被广泛应用。然而，它们的监督学习需要为每个目标域付出高昂的标注成本。本文提出了一种自监督方法，通过一个由2D关键点及其直线连接组成的图来学习解耦物体结构与外观。该方法仅需一组描绘同一物体类别的图像，即可同时学习关键点位置及其两两之间的边权重。所得到的图具有可解释性，例如，当应用于显示人物的图像时，AutoLink能够恢复人体骨骼拓扑结构。我们的主要成分包括：i) 一个编码器，用于预测输入图像中的关键点位置；ii) 一个共享图作为潜在变量，在每张图像中连接相同的成对关键点；iii) 一个中间边缘图，以平滑且可微的方式结合潜在图的边权重和关键点位置；iv) 在随机遮罩图像上应用的修复目标。尽管更为简单，AutoLink在已建立的关键点和姿态估计基准测试中超越了现有的自监督方法，并为更多样化的数据集上的结构条件生成模型铺平了道路。项目网站：https://xingzhehe.github.io/autolink/。