【活动通知】SFFAI102×CRIPAC 人体姿态估计专题

SFFAI 合作机构 CRIPAC 简介

智能感知与计算研究中心（www.cripac.ia.ac.cn）为中科院自动化研究所独立建制的科研部门，致力于研究泛在智能感知理论与技术以及与之相伴的海量感知数据的智能分析与处理。瞄准国际学科前沿，面向国家公共安全、智能产业发展等重大战略需求，着眼于基础理论创新与关键技术突破以及系统解决方案的研制，努力打造成为国际一流的研究中心，是集人才培养、技术创新、产业孵化为一体的创新平台。中心目前主要在多模态智能计算、生物识别与安全、生物启发的智能计算、智能感知基础理论四个方面展开科学研究。

会议内容

会议简介

人体姿态估计任务的内容是给定一幅图像或者一段视频，从中恢复人体关节点。目前人体姿态估计算法都是使用的热力图回归来得到最后的关节点，但会因为没有考虑不同人的尺度区别，造成标签歧义。本期论坛我们邀请到了来自中科院自动化所的罗正雄同学，他提出了尺度自适应热力图回归方法，对此问题给出了较好的解决方案。

讲者介绍

罗正雄，中科院自动化所智能感知与计算中心博士生，主要研究方向为图像超分辨率和人体姿态估计，目前已累计发表会议论文五篇。

会议题目

重新思考自底向上人体姿态估计中的热力图回归

会议摘要

目前人体姿态估计算法都是使用的热力图回归来得到最后的关节点。这些方法通常使用固定标准差的二维高斯核覆盖所有骨架关键点来构造真实热力图，并使用真实热力图来监督模型。由于不同人的关节点的真实热力图都是使用同一高斯核来构造，所以这一方法没有考虑不同人的尺度区别，会造成标签的歧义性，影响模型效果。本论文提出了一种尺度自适应热力图回归，可以根据人体大小自适应生成构造标签所需的标准差，从而使得模型对不同尺度的人体更加鲁棒；并提出权重自适应回归平衡正负样本，进一步挖掘尺度自适应热力图回归效果。本论文最终在自底向上人体姿态估计中取得了目前最先进性能。

https://github.com/greatlog/SWAHR-HumanPose.git。

会议亮点

1、我们率先关注在了热力图回归在处理不同人体尺度时的歧义性问题，并且尝试使用尺度和不确定性估计来解决这一问题；

2、我们提出了尺度自适应热力图回归，这一方法可以根据人体大小自适应地调节标签热力图中的标准差的大小，使得模型可以对不同人体尺度和标注歧义性更加鲁棒；

3、我们提出了权重自适应热力图回归，这一方法可以自动调整难易样本对应损失的权重，从而缓解热力图回归中的样本不均衡问题；

4、我们的方法在自底向上人体姿态估计中取得了当前最先进的性能。

直播时间

2021年4月11日（周日）20:00—21:00 线上直播

关注本公众号，对话框回复“SFFAI102”，获取入群二维码

注：直播地址会分享在交流群内

论文推荐

“SFFAI102期来自中科院自动化所罗正雄推荐的文章主要关注于人体姿态估计领域，你可以认真阅读讲者推荐的论文，来与讲者及同行线上交流哦。”

关注文章公众号

回复"SFFAI102"获取本主题精选论文

01

推荐理由：该论文关注自顶向下人体姿态估计，使用最简单的方法得到不错的结果，是现今人体姿态估计常用的基线模型。

02

推荐理由：该论文提出了一种提取图像高分辨特征的网络架构，而高分辨特征对人体姿态估计十分重要。这一网络结构是人体姿态估计中常用的骨干网络。

03

推荐理由：大名鼎鼎的Open Pose。算是第一个把自底向上人体姿态估计做到实用的工作。

04

推荐理由：提出使用Associate Embedding 来做grouping，这种方法简单高效，现在依然是各种grouping情景下的首选，包括检测、分割、人体姿态估计等。

05

推荐理由：这篇文章提出关注检测任务中标签的歧义性，并把不确定性预测用到检测中，使用KL loss而不是简单的L2 loss来做边界框回归，有很强的启发性。

06

推荐理由：引入多阶段热力图回归，一次前传可以得到两个尺度下的热力图，叠加之后可以综合多个尺度下的检测结果，大大提升了单次前传的人体姿态估计精度。

SFFAI招募！

现代科学技术高度社会化，在科学理论与技术方法上更加趋向综合与统一，为了满足人工智能不同领域研究者相互交流、彼此启发的需求，我们发起了SFFAI这个公益活动。SFFAI每周举行一期线下活动，邀请一线科研人员分享、讨论人工智能各个领域的前沿思想和最新成果，使专注于各个细分领域的研究者开拓视野、触类旁通。

SFFAI目前主要关注机器学习、计算机视觉、自然语言处理等各个人工智能垂直领域及交叉领域的前沿进展，将对线下讨论的内容进行线上传播，使后来者少踩坑，也为讲者塑造个人影响力。SFFAI还在构建人工智能领域的知识森林—AI Knowledge Forest，通过汇总各位参与者贡献的领域知识，沉淀线下分享的前沿精华，使AI Knowledge Tree枝繁叶茂，为人工智能社区做出贡献，欢迎大家关注SFFAI论坛：https://bbs.sffai.com。

SFFAI历史活动

更多SFFAI历史活动

请点击文章底部“阅读原文”查看

分享、点赞、在看，给个三连击呗！