SAGANPose | 抗衡式结构化人体姿态估计网络

Adversarial PoseNet: A Structure-aware Convolutional Network for Human Pose Estimation
Official Code: pytorch

1.背景分析框架构建

人体关键点的遮挡以及人体之间的重叠现象会增加姿态估计的复杂性，这种情形下可能生成在生物学角度上难以成立的姿态推测。与此相对，人类视觉系统能够借助人体关节间相互关联的几何限制条件来推断姿态。为了解决这一问题并融合关于人体结构的先验知识，本文尝试采用生成对抗网络的形式，在训练过程中隐式地融入这些先验信息，因为显式地学习此类约束条件通常面临较大困难。基于上述思路，本文构建了一个多任务生成器以生成精确的人体关键点，并设计了姿态判别器P以确保所生成的关键点具备良好的视觉表现性，同时设计了置信度判别器C以提升所生成关键点的可信度。

2.隐式结构化生成对抗网络

如图所示，本研究提出的对抗姿态估计网络架构由三个主要模块构成，第一部分为生成姿态的生成器网络，第二部分为用于判断姿态真实性的鉴别器网络，第三部分则为评估置信度的鉴别器网络。该