Key points are not available for this paper at this time.
인체 부분 파싱, 즉 인체 의미적 부분 분할은 많은 컴퓨터 비전 작업의 기초입니다. 전통적인 의미 분할 방법에서는 실제 세그멘테이션이 제공되며, 완전 합성곱 신경망(FCN)이 엔드 투 엔드 방식으로 훈련됩니다. 이러한 방법들은 인상적인 결과를 보여주었지만, 그 성능은 훈련 데이터의 양과 품질에 크게 의존합니다. 본 논문에서는 쉽게 얻을 수 있는 인체 키포인트 주석을 사용하여 합성 인체 부분 세분화 데이터를 생성하는 새로운 방법을 제시합니다. 우리의 주요 아이디어는 인체 간의 해부학적 유사성을 활용하여 한 사람의 파싱 결과를 비슷한 자세의 다른 사람에게 전이하는 것입니다. 이러한 추정된 결과를 추가 훈련 데이터로 사용하여, 우리의 반지도 모델은 PASCAL-Person-Part 데이터셋에서 강력한 지도 모델보다 6 mIOU로 성능을 향상시키며, 최첨단 인체 파싱 결과를 달성합니다. 우리의 접근법은 일반적이며, 해부학적 유사성을 키포인트로 주석할 수 있다고 가정할 경우 다른 물체/동물 파싱 작업으로 쉽게 확장될 수 있습니다. 제안된 모델과 동반 소스 코드는 공개될 예정입니다.
Fang et al. (Fri,)은 이 질문을 연구했습니다.