Key points are not available for this paper at this time.
본 논문에서는 2D 정지 이미지에서 인간 자세 추정 문제를 다룹니다. 로컬 및 글로벌 단서를 활용하는 적응형 홀론 표현 프레임워크(ADORE)를 제안하여 자세 추정 정확도를 개선합니다. 특히, ADORE는 두 가지 구성 요소로 이루어져 있습니다: 1) 홀론 부분, 독립 손실 자세 네트워크(ILPN)는 전역 수준에서 관절 위치를 추론하도록 설계되었습니다; 2) 적응형 부분, 합성곱 지역 감지기(CLD)는 이후 ILPN에 의해 생성된 잠재적 영역에서 관절을 탐지하도록 제안되었습니다. 자세 추정은 ILPN에서 신체 관절에 대한 분류 문제로 공식화되며, 이는 각각 관절의 x 및 y 좌표 학습을 지시하는 두 개의 독립 손실 계층으로 구성됩니다. 두 가지 도전적인 기준 작업에 대한 실험 결과는 우리가 제안하는 프레임워크가 다른 심층 모델보다 더 효율적이며 바람직한 성능을 가지고 있음을 보여줍니다.
Dong et al. (Tue,)은 이 문제를 연구했습니다.