I^2R-Net: 다중 인물 자세 추정을 위한 인트라 및 인터 인간 관계 네트워크

본 논문에서는 다중 인물 자세 추정을 위한 인트라-인간 관계 네트워크와 인터-인간 관계 네트워크 (I^2R-Net)를 제시합니다. 이 모델은 두 가지 기본 모듈로 구성됩니다. 첫째, 인트라-인간 관계 모듈은 단일 사람에 대해 작동하며, 인간 내부의 의존성을 포착하는 것을 목표로 합니다. 둘째, 인터-인간 관계 모듈은 여러 인스턴스 간의 관계를 고려하며, 인간 간 상호작용을 포착하는 데 중점을 둡니다. 이 모듈은 피처 맵의 해상도를 낮추어 매우 경량화할 수 있지만, 유용한 관계 정보를 학습하여 인트라-인간 관계 모듈의 성능을 크게 향상시키는 역할을 합니다. 별다른 부가적인 기법 없이도 우리의 방법론은 현재의 경쟁 우승자들과 견줄 수 있거나 그들을 능가할 수 있습니다.우리는 COCO, CrowdPose, 그리고 OCHuman 데이터셋에서 광범위한 실험을 수행했습니다. 실험 결과는 제안된 모델이 모든 최신 기술(SOTA) 방법론을凌驾(超越)하는 것을 보여줍니다. 구체적으로, 제안된 방법론은 CrowdPose 데이터셋에서 77.4% AP와 OCHuman 데이터셋에서 67.8% AP를 달성하였으며, 기존 방법론들보다 큰 폭으로 우수한 성능을 보였습니다. 또한, 감소 분석과 시각화 분석도 우리의 모델의 효과성을 입증하였습니다.注：在最后一句中，“凌驾(超越)” 是中文词汇，正确的韩文翻译应该是“凌駕(영가)” 或者直接使用 “넘어섬”。以下是修正后的版本：우리는 COCO, CrowdPose, 그리고 OCHuman 데이터셋에서 광범위한 실험을 수행했습니다. 실험 결과는 제안된 모델이 모든 최신 기술(SOTA) 방법론을 넘어섬을 보여줍니다. 구체적으로, 제안된 방법론은 CrowdPose 데이터셋에서 77.4% AP와 OCHuman 데이터셋에서 67.8% AP를 달성하였으며, 기존 방법론들보다 큰 폭으로 우수한 성능을 보였습니다. 또한, 감소 분석과 시각화 분석도 우리의 모델의 효과성을 입증하였습니다.