Machines de pose multi-personnes à une seule étape
L'estimation de la posture de plusieurs personnes est un problème complexe. Les méthodes existantes sont principalement basées sur deux étapes : une première étape pour la génération de propositions et une seconde pour l'attribution des postures aux personnes correspondantes. Cependant, ces méthodes en deux étapes souffrent généralement d'une faible efficacité. Dans ce travail, nous présentons le premier modèle en une seule étape, la Machine de Posture Multi-personne à Une Étape (SPM), qui simplifie le pipeline et améliore l'efficacité de l'estimation de la posture de plusieurs personnes. Pour y parvenir, nous proposons une nouvelle représentation structurée de la posture (SPR) qui unifie les représentations des instances de personnes et des positions des articulations corporelles. Sur la base de SPR, nous développons le modèle SPM capable de prédire directement des postures structurées pour plusieurs personnes en une seule étape, offrant ainsi un pipeline plus compact et un avantage d'efficacité attractif par rapport aux méthodes en deux étapes. Plus précisément, SPR introduit les articulations racines pour indiquer différentes instances de personnes, et les positions des articulations du corps humain sont encodées sous forme de déplacements par rapport à ces racines. Pour mieux prédire les déplacements à longue portée pour certaines articulations, SPR est également étendue à des représentations hiérarchiques. Grâce à SPR, SPM peut effectuer efficacement l'estimation des postures multi-personnes en prédissant simultanément les articulations racines (emplacement des instances) et les déplacements des articulations corporelles via des réseaux neuronaux convolutifs (CNN). De plus, pour démontrer la généralité de SPM, nous l'avons également appliquée à l'estimation 3D des postures multi-personnes. Des expériences exhaustives sur les bancs d'essai MPII, PASCAL-Person-Part élargi, MSCOCO et CMU Panoptic montrent clairement que SPM offre l'état de l'art en termes d'efficacité pour l'estimation 2D/3D des postures multi-personnes, tout en présentant une précision exceptionnelle.