초록
2D 이미지에서 다중 인물 자세 추정은 인간 행동 이해를 위한 필수적인 기술입니다. 본 논문에서는 입력 이미지와 입력 자세의 튜플로부터 정교한 자세를 추정하는 인간 자세 개선 네트워크를 제안합니다. 이전 방법에서는 주로 엔드투엔드 학습 가능한 다단계 아키텍처를 통해 자세 개선을 수행하였습니다. 그러나 이러한 방법들은 자세 추정 모델에 크게 의존하며 신중한 모델 설계가 필요했습니다. 반면에, 우리는 모델 독립적인 자세 개선 방법을 제안합니다. 최근 연구에 따르면, 최신 2D 인간 자세 추정 방법들이 유사한 오류 분포를 가지고 있습니다. 우리는 이 오류 통계를 사전 정보로 사용하여 합성 자세를 생성하고, 합성된 자세를 이용하여 모델을 학습시킵니다. 테스트 단계에서는 다른 어떤 방법의 자세 추정 결과도 제안된 방법에 입력될 수 있습니다. 또한, 제안된 모델은 다른 방법들의 코드나 지식이 필요하지 않으므로 후처리 단계에서 쉽게 활용할 수 있습니다. 실험 결과, 제안된 접근 방식이 기존의 다단계 개선 모델보다 더 우수한 성능을 보이며, 일반적으로 사용되는 벤치마크에서 다양한 최신 자세 추정 방법들의 성능을 일관되게 향상시키는 것을 확인하였습니다. 코드는 다음 URL에서 제공됩니다(https://github.com/mks0601/PoseFix_RELEASE).