重新审视图形结构：人类检测与关节姿势估计

非刚性物体检测和关节姿势估计是计算机视觉中两个相关且具有挑战性的问题。多年来提出了众多模型，通常针对不同的特殊情况，例如行人检测或电视画面中的上半身姿势估计。本文表明，这种专业化可能不是必要的，并提出了一种基于图形结构框架的通用方法。我们表明，对外观和空间建模组件的正确选择对模型的普遍适用性和整体性能至关重要。身体部位的外观使用密集采样的形状上下文描述符和经过区分训练的AdaBoost分类器进行建模。此外，我们将每个分类器的归一化边际解释为生成模型中的似然。部件之间的非高斯关系在部件关节的坐标系统中表示为高斯。每个部件的边际后验通过置信传播进行推断。我们证明这样的模型同样适用于检测和姿势估计任务，在最近提出的三个数据集上超越了当前最先进的水平。