Réseaux en Hourglass Empilés pour l'Estimation de la Posture Humaine

Ce travail présente une nouvelle architecture de réseau convolutif pour la tâche d'estimation de la posture humaine. Les caractéristiques sont traitées à toutes les échelles et consolidées afin de capturer au mieux les différentes relations spatiales associées au corps. Nous démontrons comment le traitement répété bas-niveau, haut-niveau (bottom-up, top-down) utilisé en conjonction avec une supervision intermédiaire est crucial pour améliorer les performances du réseau. Nous désignons cette architecture par un réseau « en sablier empilé » (stacked hourglass), en raison des étapes successives de regroupement (pooling) et d'échantillonnage ascendant (upsampling) effectuées pour produire un ensemble final de prédictions. Des résultats d'avant-garde sont obtenus sur les bancs d'essai FLIC et MPII, surpassant toutes les méthodes récentes.