姿势集合在人体姿态估计中的应用

姿势集合在人体姿态估计中的应用

本文探讨了姿势集合在人体姿态估计任务中的应用。我们的姿势集合可以用于两个主要方面：

• 推理: 如表4-(1-6, 我们的)所示，姿势集合可以显著提升推理阶段的性能。* 生成伪标签: 姿势集合也可以用于生成更准确的伪标签，如表4-(7-12, 我们的)所示。

姿势集合的优势

我们的实验结果表明，姿势集合在这两种应用场景下都具有显著优势：

• 提升推理性能: 与未使用姿势集合的方法相比，将我们的姿势集合应用于推理（表4-(5)）可以获得更高的姿态度量得分。* 改进伪标签质量: 使用姿势集合生成的伪标签可以提升整体模型性能，但相较于直接用于推理，其效果略逊一筹（表4-(11)）。* 优于仅使用源数据的模型: 无论是用于推理还是生成伪标签，我们的姿势集合都能够取得比仅在源数据上训练的模型（下限，LB）更好的结果。

结论

姿势集合是提升人体姿态估计性能的有效方法。它可以用于改进推理结果和生成高质量的伪标签，从而提高模型的整体性能。