.png){kind=icon}
返回
ARPose: Anatomical relation-driven token pruning for human pose estimation
.png){kind=icon}
PRE
AI
DOI：10.1007/s00530-026-02310-0.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于解剖关系驱动的姿态估计中的标记剪枝方法，通过整合尺度和结构对齐先验，实现了精确且高效的人体姿态估计。该方法提出了一种两阶段剪枝策略：第一阶段采用解剖尺度驱动模块（ASM）通过尺度自适应分块提取多尺度特征，其中小分块捕捉精细细节（如手部、面部特征），大分块建模整体身体结构（如躯干、四肢）；第二阶段设计了解剖对齐驱动组注意力（AAGA）模块，基于身体解剖关系对关节和标记进行分组，动态建模组间依赖关系。具体而言，通过可学习的关联矩阵推导出最优解剖关系作为结构先验，随后进行输入依赖的特征聚合与调制，以适应每幅输入图像的独特特征，并整合上下文门控机制融合语义信息。ASM与AAGA共同实现了渐进式、解剖感知的剪枝，在降低计算开销的同时保留丰富的表示。在基准数据集上的大量实验结果表明，该方法优于现有技术。
Keyword:
Deep learning
Transformer
Pose estimation
Token pruning
期刊
IF:
3.1
论文数:
2.8K
被引数:
2.7K
机构
引用论文
Can ChatGPT provide intelligent diagnoses? A comparative study between predictive models and ChatGPT to define a new medical diagnostic botChatGPT可以提供智能诊断吗？预测模型和ChatGPT之间的比较研究，以定义新的医疗诊断机器人
OAAI
OAAI分享收藏Enhanced 2D human pose estimation via feature-aligned high-resolution network通过特征对齐的高分辨率网络增强2D人体姿态估计
PREAI
分享收藏TransFuser: Imitation With Transformer-Based Sensor Fusion for Autonomous DrivingTransFuser: 基于变压器的传感器融合模拟自动驾驶
OAAI
OAAI分享收藏Dynamic frequency selection and spatial interaction fusion for robust person search动态频率选择与空间交互融合用于鲁棒行人检索.png)
IF0
PREAI
分享收藏OpenPose: Realtime Multi-Person 2D Pose Estimation Using Part Affinity FieldsOpenPose: 使用部分关联字段的实时多人2D姿态估计OAAI
OAAI分享收藏
查看更多内容