人工智能学院封润洋同学以第一作者身份撰写的科研论文被CCF-A类会议ICCV'2023会议接收。

ICCV，全称为国际计算机视觉大会( International Conference on Computer Vision)，由IEEE主办，每两年在世界范围内召开一次，在业内具有极高的评价。ICCV是计算机视觉领域全球最高级别学术会议之一。

文章详情

第一作者：封润洋

封润洋同学是人工智能学院2022级博士研究生，由人工智能学院高一星助理教授指导。封润洋同学一直从事人体姿态估计相关的研究工作，本篇工作与英国伯明翰大学的Hyung Jin Chang教授合作完成。

指导教师：高一星

收录会议：ICCV'2023

会议类别：CCF-A

论文概述：

最初为图像生成而提出的去噪扩散概率模型近期在各种感知任务（如目标检测和图像分割）中取得了成功，并在计算机视觉领域日益受到关注。然而，由于视频中存在额外的时间维度，将扩散模型扩展到多帧人体姿态估计并非易事。更重要的是，学习专注于关键点区域的表征对于准确定位人体关节至关重要。在本文中，我们提出了DiffPose——一种新颖的扩散架构，它将基于视频的人体姿态估计形式化为条件热图生成问题。 首先，为了更好地利用时序信息，我们提出了时空表征学习器，该学习器聚合了跨帧的视觉信息，并在每个去噪步骤中使用由此产生的特征作为条件。此外，我们提出了一种基于查找的多尺度特征交互机制，该机制确定了多尺度下局部关节和全局上下文之间的相关性。该机制可生成专注于关键点区域的精细化表征。通过扩展扩散模型，我们展示了DiffPose在姿态估计任务中的两个独特优势：（1）整合多组姿态预测来提高预测精度，特别是对于具有挑战性的关节；（2）调整特征优化迭代步骤而无需重新训练模型。DiffPose在三个基准上取得了最好的结果： PoseTrack2017、PoseTrack2018和PoseTrack21。