TFPose: Transformer를 활용한 직접적인 인간 자세 추정

우리는 회귀 기반 방식으로 포즈 추정 작업을 해결하는 프레임워크를 제안한다. 기존의 회귀 기반 방법들이 종종 최첨단 기법에 비해 성능이 뒤처지는 것과 달리, 본 연구에서는 포즈 추정 문제를 트랜스포머에 의해 효과적으로 해결할 수 있는 시퀀스 예측 문제로 재정의한다. 제안하는 프레임워크는 간단하고 직관적이며, 히트맵 기반 포즈 추정의 단점을 회피한다. 더불어 트랜스포머 내부의 어텐션 메커니즘을 활용함으로써, 목표 키포인트와 가장 관련성이 높은 특징에 적응적으로 주목할 수 있으며, 이는 기존 회귀 기반 방법에서 발생하던 특징 불일치 문제를 크게 완화하고 성능을 상당히 향상시킨다. 특히, 본 프레임워크는 키포인트 간의 구조적 관계를 내재적으로 활용할 수 있다. MS-COCO 및 MPII 데이터셋에서의 실험 결과, 제안한 방법이 회귀 기반 포즈 추정 기법의 최신 기준을 크게 향상시킬 뿐만 아니라, 최고 수준의 히트맵 기반 포즈 추정 방법과 경쟁 가능한 성능을 달성함을 입증하였다.