AIParsing: Anchor-free Instance-level Human Parsing

要約

ほとんどの最先端のインスタンスレベルの人間の解析モデルは、2段階のアンカーベースの検出器を採用しているため、ヒューリスティックなアンカーボックスの設計とピクセルレベルでの分析の欠如を回避することはできません。
これらの2つの問題に対処するために、アンカーフリーでピクセルレベルで解決可能なインスタンスレベルの人間解析ネットワークを設計しました。
これは、2つの単純なサブネットワークで構成されています。バウンディングボックス予測用のアンカーフリー検出ヘッドと、人間のセグメンテーション用のエッジガイド解析ヘッドです。
アンカーのない検出器ヘッドは、ピクセルのようなメリットを継承し、オブジェクト検出アプリケーションで証明されているハイパーパラメータの感度を効果的に回避します。
パーツ認識境界の手がかりを導入することにより、エッジガイド解析ヘッドは、単一の人間のインスタンスで最大58のパーツ、重複するインスタンスでさえ、隣接する人間のパーツを互いに区別することができます。
一方、ボックスレベルのスコアとパーツレベルの解析品質を統合する改良ヘッドを利用して、解析結果の品質を向上させます。
2つの複数の人間の解析データセット（つまり、CIHPとLV-MHP-v2.0）と1つのビデオインスタンスレベルの人間の解析データセット（つまり、VIP）での実験は、私たちの方法が最高のグローバルレベルとインスタンスレベルのパフォーマンスを達成することを示しています
最先端のワンステージトップダウンの選択肢。

要約(オリジナル)

Most state-of-the-art instance-level human parsing models adopt two-stage anchor-based detectors and, therefore, cannot avoid the heuristic anchor box design and the lack of analysis on a pixel level. To address these two issues, we have designed an instance-level human parsing network which is anchor-free and solvable on a pixel level. It consists of two simple sub-networks: an anchor-free detection head for bounding box predictions and an edge-guided parsing head for human segmentation. The anchor-free detector head inherits the pixel-like merits and effectively avoids the sensitivity of hyper-parameters as proved in object detection applications. By introducing the part-aware boundary clue, the edge-guided parsing head is capable to distinguish adjacent human parts from among each other up to 58 parts in a single human instance, even overlapping instances. Meanwhile, a refinement head integrating box-level score and part-level parsing quality is exploited to improve the quality of the parsing results. Experiments on two multiple human parsing datasets (i.e., CIHP and LV-MHP-v2.0) and one video instance-level human parsing dataset (i.e., VIP) show that our method achieves the best global-level and instance-level performance over state-of-the-art one-stage top-down alternatives.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google