DeepCut: 다중 인물 자세 추정을 위한 공동 부분 집합 분할 및 라벨링

본 논문은 실제 이미지에서 여러 사람의 관절화된 인간 자세 추정 문제를 다룹니다. 우리는 검출과 자세 추정을 동시에 해결하는 접근법을 제안합니다: 이 방법은 장면 내의 사람 수를 추론하고, 가려진 신체 부위를 식별하며, 서로 가까운 거리에 있는 사람들 간의 신체 부위를 명확히 구분합니다. 이러한 통합적 접근 방식은 이전 전략들과 대조되며, 이전 전략들은 먼저 사람을 검출한 후 그들의 신체 자세를 추정하는 방식으로 문제를 해결했습니다. 우리는 CNN 기반 부위 검출기로 생성된 일련의 신체 부위 가설들을 분할하고 라벨링하는 방법을 제안합니다. 우리의 공식화는 정수 선형 프로그래밍의 한 예시로, 암시적으로 부분 후보 집합에 대한 비최대 억제(non-maximum suppression)를 수행하고, 기하학적 및 외관 제약 조건을 준수하면서 신체 부위 구성으로 그룹화합니다. 네 가지 다른 데이터셋에서 수행된 실험들은 단일 인물 및 다중 인물 자세 추정 모두에서 최신 연구 결과(state-of-the-art results)를 보여줍니다. 모델과 코드는 http://pose.mpi-inf.mpg.de 에서 제공됩니다.