人間のポーズ推定のための潜在的な衣服属性アプローチ

画像解析、アクション認識、衣服検索などのいくつかの視覚タスクに関わる基本技術として、人間のポーズ推定（HPE）は近年広く研究されています。人間のポーズを正確かつ信頼性のある方法で推定するためには、衣服の属性が有用であり、適切に利用されるべきであることが広く認識されています。しかし、ほとんどの以前のアプローチは衣服の属性を手動で注釈する必要があり、結果として非常にコストがかかります。本論文では、HPEのための潜在的な衣服属性アプローチを提案し探求します。従来のアプローチとは異なり、我々のアプローチは衣服の属性を潜在変数としてモデル化し、したがって衣服の属性に対する明示的なラベリングを必要としません。潜在変数の推論は、潜在構造サポートベクターマシン（LSSVM）のフレームワークを利用することで達成されます。LSSVMモデルの訓練には交互方向の戦略を採用します：各イテレーションで、一種類の変数（例えば、人間のポーズまたは衣服の属性）が固定され、他の変数が最適化されます。二つの実世界のベンチマークに関する広範な実験は、我々の提案したアプローチの最先端の性能を示しています。