PoseFix : Réseau de raffinement général de la pose humaine indépendant du modèle

L'estimation de la posture de plusieurs personnes à partir d'une image 2D est une technique essentielle pour la compréhension du comportement humain. Dans cet article, nous proposons un réseau de raffinement de la posture humaine capable d'estimer une posture affinée à partir d'un couple composé d'une image d'entrée et d'une posture d'entrée. Dans les méthodes précédentes, le raffinement de la posture était principalement réalisé par une architecture multi-étapes entièrement apprenable. Cependant, ces méthodes sont fortement dépendantes des modèles d'estimation de la posture et nécessitent une conception de modèle soigneuse. En revanche, nous proposons une méthode de raffinement de la posture indépendante du modèle. Selon une étude récente, les méthodes actuelles d'estimation de la posture humaine en 2D présentent des distributions d'erreurs similaires. Nous utilisons ces statistiques d'erreur comme information a priori pour générer des postures synthétiques et nous utilisons ces postures synthétiques pour entraîner notre modèle. Lors de l'étape de test, les résultats d'estimation de la posture issus de toute autre méthode peuvent être fournis en entrée à notre méthode proposée. De plus, le modèle proposé n'a pas besoin du code ou des connaissances sur les autres méthodes, ce qui lui permet d'être facilement utilisé dans l'étape de post-traitement. Nous montrons que l'approche proposée offre des performances supérieures aux modèles traditionnels de raffinement multi-étapes et améliore constamment les performances des différentes méthodes actuelles d'estimation de la posture sur le banc d'essai couramment utilisé. Le code est disponible à cette adresse URL\footnote{\url{https://github.com/mks0601/PoseFix_RELEASE}}.