UniHCP : Un modèle unifié pour les perceptions centrées sur l'humain

Les perceptions centrées sur l'humain (par exemple, l'estimation de la posture, le découpage des humains, la détection des piétons, la ré-identification des personnes, etc.) jouent un rôle crucial dans les applications industrielles des modèles visuels. Bien que chaque tâche spécifique centrée sur l'humain ait ses propres aspects sémantiques pertinents à prendre en compte, elles partagent également une structure sémantique sous-jacente commune du corps humain. Cependant, peu de travaux ont tenté d'exploiter cette homogénéité pour concevoir un modèle généraliste pour les tâches centrées sur l'humain. Dans ce travail, nous reprenons une large gamme de tâches centrées sur l'humain et les unifions de manière minimaliste. Nous proposons UniHCP, un Modèle Unifié pour les Perceptions Centrées sur l'Humain, qui unifie une vaste gamme de tâches centrées sur l'humain de manière simplifiée et intégrée grâce à l'architecture du transformateur visuel standard. Avec une formation conjointe à grande échelle sur 33 jeux de données centrés sur l'humain, UniHCP peut surpasser des baselines robustes dans plusieurs tâches en domaine et en aval par évaluation directe. Lorsqu'il est adapté à une tâche spécifique, UniHCP atteint de nouveaux états de l'art (SOTA) dans une vaste gamme de tâches centrées sur l'humain, par exemple : 69,8 mIoU sur CIHP pour le découpage des humains, 86,18 mA sur PA-100K pour la prédiction d'attributs, 90,3 mAP sur Market1501 pour la ré-identification (ReID), et 85,8 JI sur CrowdHuman pour la détection des piétons, performant ainsi mieux que les modèles spécialisés conçus pour chaque tâche.