다이나믹 그래프 추론을 이용한 다중 인물 3D 자세 추정

다중 인물 3D 자세 추정은 특히 군중 장면에서 가림 현상과 깊이 모호성 때문에 어려운 과제입니다. 이러한 문제를 해결하기 위해 대부분의 기존 방법은 그래프 신경망을 사용하여 특징 표현을 강화하거나 구조적 제약 조건을 추가함으로써 몸체 컨텍스트 큐를 모델링하는 방식을 탐구합니다. 그러나 이러한 방법들은 사전 정의된 그래프에서 루트 노드로 부터 3D 자세를 디코딩하는 단일 루트 공식화에 의존하기 때문에 안정적이지 않습니다.본 논문에서는 다이나믹 그래프 리이징(Dynamic Graph Reasoning, DGR)을 통해 다중 인물 3D 자세 추정을 모델링한 GR-M3D(Graph Reasoning for Multi-person 3D Pose Estimation)를 제안합니다. GR-M3D의 디코딩 그래프는 사전 정의되지 않고 예측됩니다. 특히, 이 방법은 먼저 여러 데이터 맵을 생성하고 스케일 및 깊이 인식 개선 모듈(Scale and Depth Aware Refinement module, SDAR)을 통해 이를 강화합니다. 그런 다음 이러한 데이터 맵에서 각 사람에 대한 여러 루트 키포인트와 밀도 높은 디코딩 경로를 추정합니다. 이를 바탕으로, 강화된 데이터 맵에서 경로 가중치를 유추하여 디코딩 경로에 가중치를 할당하여 다이나믹 디코딩 그래프가 구성됩니다. 이 과정을 다이나믹 그래프 리이징이라고 합니다.마지막으로, 각 검출된 사람에 대해 다이나믹 디코딩 그래프에 따라 3D 자세가 디코딩됩니다. GR-M3D는 입력 데이터에 따라 소프트 경로 가중치를 채택하여 디코딩 그래프의 구조를 암시적으로 조정할 수 있어, 다양한 입력 인물에 최대한 적응할 수 있으며, 가림 현상과 깊이 모호성을 처리하는 능력이 기존 방법보다 우수합니다. 우리는 경험적으로 제안된 하향식 접근법이 상향식 방법들을 능가하며 세 가지 3D 자세 데이터셋에서 최신 연구 결과를 달성함을 보여주었습니다.