초록
단일 정적 이미지에서 인체 자세를 추정하기 위한 그래픽 모델을 기반으로 하는 새로운 쌍별 관계를 활용한 방법을 제시합니다. 구체적으로, 로컬 이미지 측정치가 부위(또는 관절)를 감지하고 이들 사이의 공간적 관계를 예측하는 데 사용될 수 있다는 사실을 활용하여 인간 자세에 대한 그래픽 모델을 정의합니다(이미지 종속 쌍별 관계(Image Dependent Pairwise Relations)). 이러한 공간적 관계는 혼합 모델로 표현됩니다. 우리는 깊은 합성곱 신경망(DCNNs)을 사용하여 이미지 패치 내에서 부위의 존재와 그들의 공간적 관계에 대한 조건부 확률을 학습합니다. 따라서 우리의 모델은 그래픽 모델의 표현 유연성과 DCNNs의 효율성 및 통계적 능력을 결합합니다. 우리의 방법은 LSP 및 FLIC 데이터셋에서 최신 기술보다 크게 우수하며, Buffy 데이터셋에서도 훈련 없이 매우 좋은 성능을 보입니다.