포저: 트랜스포머를 활용한 직접적 인간 자세 회귀

단일 이미지에서 2D 인간 자세 추정을 위한 직접적인 회귀 기반 접근법을 제안한다. 본 문제를 시퀀스 예측 태스크로 공식화하고, Transformer 네트워크를 사용하여 이를 해결한다. 이 네트워크는 이미지에서 키포인트 좌표로 직접 회귀 맵핑을 학습하며, 히트맵과 같은 중간 표현에 의존하지 않는다. 이러한 접근법은 히트맵 기반 방법과 관련된 복잡성의 대부분을 피할 수 있다. 기존의 회귀 기반 방법에서 발생하는 특징 불일치 문제를 해결하기 위해, 목표 키포인트와 가장 관련성이 높은 특징에 적응적으로 주목하는 주의 메커니즘을 제안한다. 이는 정확도를 크게 향상시킨다. 특히, 본 프레임워크는 엔드투엔드 미분 가능하며, 키포인트 간의 의존성을 자연스럽게 학습한다. MS-COCO와 MPII 두 가지 주요 자세 추정 데이터셋에서의 실험 결과, 본 방법은 회귀 기반 자세 추정 분야에서 최신 기술을 크게 초월함을 입증한다. 더욱 주목할 점은, 본 연구가 최고의 히트맵 기반 자세 추정 방법과 비교해도 유리한 성능을 보이는 최초의 회귀 기반 접근법이라는 것이다.