분포 인식 단일 단계 모델을 이용한 다중 인물 3D 자세 추정

본 논문에서는 다소 어려운 다중 인물 3D 자세 추정 문제를 해결하기 위한 새로운 분포 인식 단일 단계(DAS) 모델을 제시합니다. 기존의 상향식(Top-Down) 및 하향식(Bottom-Up) 방법과 달리, 제안된 DAS 모델은 한 번의 처리로 3D 카메라 공간에서 사람 위치와 해당 신체 관절을 동시에 정확히 위치 결정합니다. 이는 효율성이 향상된 간소화된 파이프라인을 제공합니다. 또한, DAS는 이전 연구들이 단순한 라플라스 또는 가우스 분포를 가정하는 대신 신체 관절의 실제 분포를 학습하여 그 위치를 회귀합니다. 이는 모델 예측에 귀중한 사전 정보를 제공하며, 회귀 기반 방식으로 볼륨 기반 방식과 경쟁력 있는 성능을 달성할 수 있도록 도와줍니다. 더불어, DAS는 점진적으로 회귀 목표에 접근하기 위해 재귀적 업데이트 전략을 활용하여 최적화의 어려움을 완화하고 회귀 성능을 더욱 향상시킵니다. DAS는 완전한 컨볼루션 신경망으로 구현되며, end-to-end 학습이 가능합니다. CMU 파노프틱 및 MuPoTS-3D 벤치마크에서 수행된 포괄적인 실험은 제안된 DAS 모델의 우수한 효율성을 입증하며, 특히 이전 최고 모델보다 1.5배 빠른 속도와 다중 인물 3D 자세 추정에서 최신 수준의 정확성을 보여줍니다.