초록
야외에서의 다중 인물 자세 추정은 도전적인 문제입니다. 최신 인간 검출기들이 우수한 성능을 보여주고 있지만, 위치 결정과 인식에 작은 오류는 불가피합니다. 이러한 오류들은 특히 인간 검출 결과에만 의존하는 방법들에서 단일 인물 자세 추정기(Single-Person Pose Estimator, SPPE)의 실패를 초래할 수 있습니다. 본 논문에서는 부정확한 인간 바운딩 박스가 있는 환경에서 자세 추정을 용이하게 하는 새로운 지역적 다중 인물 자세 추정(Regional Multi-Person Pose Estimation, RMPE) 프레임워크를 제안합니다. 우리의 프레임워크는 세 가지 구성 요소로 이루어져 있습니다: 대칭 공간 변환 네트워크(Symmetric Spatial Transformer Network, SSTN), 매개변수화된 자세 비최대 억제(Parametric Pose Non-Maximum Suppression, NMS), 그리고 자세 안내 제안 생성기(Pose-Guided Proposals Generator, PGPG). 우리의 방법은 부정확한 바운딩 박스와 중복 검출을 처리할 수 있으며, 이로 인해 MPII (다중 인물) 데이터셋에서 기존 최신 방법들보다 mAP(mean Average Precision)가 17% 향상되었습니다. 우리의 모델과 소스 코드는 공개적으로 이용 가능합니다.