2ヶ月前
詳細に悪魔あり:単一および複数の人間パージングへの精度向上
Tao Ruan; Ting Liu; Zilong Huang; Yunchao Wei; Shikui Wei; Yao Zhao; Thomas Huang

要約
人間パーシングは、その幅広い応用可能性により大きな関心を集めています。しかし、効率的かつ優雅な方法で正確な人間パーシングシステムを開発する方法はまだ明確ではありません。本論文では、特徴解像度、全体的なコンテクスト情報、およびエッジの詳細を含むいくつかの有用な特性を特定し、厳密な分析を通じてこれらの特性をどのように活用して人間パーシングタスクに利益をもたらすかを明らかにします。これらの有用な特性の利点が最終的に単一人間パーシング向けのシンプルながら効果的なコンテキスト埋め込みとエッジ認識(Context Embedding with Edge Perceiving: CE2P)フレームワークにつながります。私たちのCE2Pはエンドツーエンドで学習可能であり、複数の人間パーシングを行うために簡単に採用することができます。CE2Pの優位性により、私たちは3つの人間パーシングベンチマークすべてで1位を獲得しました。特別な工夫なしに、LIPでは56.50%(mIoU)、CIHPでは45.31%(平均$AP^r$)、MHP v2.0では33.34%($AP^p_{0.5}$)という結果を得ました。これはそれぞれ現行の最先端技術よりも2.06%以上、3.81%以上、1.87%以上優れています。私たちはCE2Pが堅固なベースラインとして機能し、単一または複数の人間パーシングに関する今後の研究を容易にする手助けになることを願っています。コードは \url{https://github.com/liutinglt/CE2P} から利用可能です。