Le diable est dans les détails : exploration du traitement de données non biaisé pour l'estimation de la posture humaine

Étant une composante fondamentale dans l'entraînement et l'inférence, le traitement des données n’a pas été systématiquement pris en compte au sein de la communauté de l’estimation de la posture humaine, du moins à notre connaissance. Dans ce travail, nous nous concentrons sur ce problème et constatons que le véritable défi de l’évolution de l’estimation de posture humaine réside dans le traitement biaisé des données. Plus précisément, en examinant le traitement standard des données utilisé dans les approches de pointe, principalement la transformation du système de coordonnées et la transformation du format des points clés (c’est-à-dire le codage et le décodage), nous observons que les résultats obtenus par la stratégie de retournement classique ne sont pas alignés avec ceux d’origine lors de l’inférence. En outre, certaines méthodes de transformation du format des points clés présentent une erreur statistique. Ces deux problèmes s’aggravent mutuellement, dégradant significativement les performances d’estimation de posture et créant ainsi un piège pour la communauté de recherche. Ce piège a donné lieu à de nombreuses solutions sous-optimales, généralement non rapportées, qui, bien qu’elles soient confuses, exercent une influence notable. En rendant la reproduction des résultats impossible et en rendant les comparaisons injustes, ces solutions non documentées entravent sérieusement le progrès technologique. Pour résoudre ce dilemme à sa source, nous proposons une méthode appelée Unbiased Data Processing (UDP), qui comporte deux composantes techniques visant respectivement les deux problèmes mentionnés précédemment (à savoir une transformation du système de coordonnées sans biais et une transformation du format des points clés sans biais). En tant qu’approche indépendante du modèle et solution supérieure, UDP parvient à repousser les limites des performances de l’estimation de posture humaine et fournit une base plus élevée et plus fiable pour la communauté de recherche. Le code source est disponible publiquement à l’adresse suivante : https://github.com/HuangJunJie2017/UDP-Pose