返回
PSINet: Parallel Space Interaction Network for Human Pose Estimation
DOI:10.1109/TETCI.2025.3647687.png)
摘要
En 中文
人体姿态估计对单幅图像中特征表示的空间分辨率敏感。虽然多尺度特征常被用于改进关键点定位,但跨多个统一尺寸空间的并行空间学习的有效性仍需探索。为解决此问题,我们提出并行空间交互网络(PSINet),将输入特征分割为多个相同的并行空间,以促进人体姿态估计的高效空间特征学习。基于多个空间,我们通过提出分裂头Transformer(SHT)来改进原始视觉Transformer,以增强并行空间内的全局交互。此外,我们引入并行空间融合模块以通过获取多个并行空间之间的关系来增强PSINet的能力。大量实验表明,经过数据增强后,PSINet达到最先进精度,在单块GTX2080Ti上以180 FPS运行,在精度和效率之间提供卓越的权衡。
Keyword:
Parallel space interaction
transformer
human pose estimation
feature interaction
期刊
I
IF:
6.5
论文数:
1.4K
被引数:
4.5K
机构
引用论文
FASTCC: A lightweight human pose detection method leveraging SimCCFASTCC: 一种利用SimCC的轻量级人体姿态检测方法
NEUROCOMPUTING
IF6.5
UIE-Convformer: Underwater Image Enhancement Based on Convolution and Feature Fusion TransformerUie-convformer: 基于卷积和特征融合变换器的水下图像增强

