深圳大学提出GatedUniPose姿态估计方法，提高复杂场景下的性能
可以以相对较小的参数数量实现了相当甚至更好的性能，突出了其效率和有效性
（映维网Nweon 2025年02月18日）姿态估计是计算机视觉中的一项重要任务，在动捕和虚拟现实等领域有着广泛的应用。然而，现有的方法在实现高精度方面依然面临挑战，特别是复杂场景。
在一项研究中，深圳大学团队提出了一种全新的姿态估计方法GatedUniPose。它将UniRepLKNet和Gated Convolution相结合，并引入了GLACE模块进行嵌入。另外，通过使用DySample上采样来增强head layer的特征映射拼接方法。
与现有方法相比，GatedUniPose在处理复杂场景和遮挡挑战方面表现出色。在COCO、MPII和CrowdPose数据集的实验结果表明，GatedUniPose在相对较少的参数下实现了显著的性能改进，而与具有相似或更大参数大小的模型相比，它产生了更好或可比较的结果。
人体姿态估计是计算机视觉中的一项基本任务，涉及从图像中估计人体关节位置。这项任务对于各种应用至关重要，包括动捕和虚拟现实。通过网络架构、训练方法和融合策略的创新，人体姿态估计的最新进展显著提高了公共数据集的准确性。
尽管取得了进步，但现有方法在复杂场景中依然面临重大挑战，例如遮挡和光照变化，这限制了它们在现实应用中的有效性。
当前的2D和3D姿态估计器通常使用坐标向量或热图嵌入来表示姿态。然而，这种表示通常不能对关节之间的依赖关系进行建模，从而导致在具有挑战性的场景中出现不现实的姿态估计。
另一方面，人类可以毫不费力地利用上下文信息预测完整的姿势。这一观察结果表明，环境对准确的姿势估计至关重要。
以人类使用上下文信息进行姿势预测的能力作为灵感，深圳大学团队的研究旨在学习关节之间的依赖关系，而不是依赖于人工设计的规则。
他们提出了一种全新的姿态估计方法GatedUniPose，将UniRepLKNet和Gated Convolution相结合以改进特征提取，并引入了GLACE模块进行嵌入来提高精度。
另外，通过使用DySample上采样来增强head layer的特征映射拼接方法，这解决了PCT中的遮挡处理限制、UniHCP中的特定任务性能限制、以及BUCTD中复杂场景的泛化能力问题。
GatedUniPose的整体架构如图所示。输入图像大小为[3,256,192]。首先，使用GLACE将图像下采样到[768,128,96]，然后输入到改进的GatedUniPose主干中。主干网中每个阶段的第一个下采样层使用GLACE实现，并将Gated Convolution集成到块中。接下来，使用DySample模块将最终的特征映射上采样到相同的大小，并在head layer中连接，最后馈送到解码器层。
实验结果表明，GatedUniPose在复杂场景中表现出色，特别是在涉及遮挡和光照变化的场景中。与其他先进方法相比，所提出方法在多任务处理方面表现出卓越的效率，有效地减少了资源消耗。另外，GatedUniPose在处理遮挡问题和特定任务方面表现出增强的性能。值得注意的是，GatedUniPose可以以相对较小的参数数量实现了相当甚至更好的性能，突出了其效率和有效性。
相关论文：GatedUniPose: A Novel Approach for Pose Estimation Combining UniRepLKNet and Gated Convolution
相关论文：GateAttentionPose: Enhancing Pose Estimation with Agent Attention and Improved Gated Convolutions
总的来说，团队在这项研究中引入了一种新的姿态估计方法GatedUniPose，它利用了UniRepLKNet和Gated Convolution的优势，同时结合了GLACE模块来增强嵌入。另外，使用DySample上采样改进head layer的特征映射拼接。COCO和MPII数据集的大量实验表明，GatedUniPose相较于现有方法实现了显着的性能改进。值得注意的是，GatedUniPose在处理复杂场景和遮挡挑战方面表现出色，同时保持相对较小的参数计数。
