Rede neural convolucional gráfica flexível para estimativa de pose humana em 3D

Embora redes neurais convolucionais gráficas exibam desempenho promissor na estimativa de pose humana em 3D, sua dependência de vizinhos de uma única hop limita sua capacidade de capturar dependências de alta ordem entre as articulações do corpo, crucial para mitigar a incerteza decorrente de oclusão ou ambiguidade de profundidade. Para enfrentar essa limitação, introduzimos o Flex-GCN, uma rede neural convolucional gráfica flexível projetada para aprender representações gráficas que capturam informações e dependências globais mais amplas. No seu núcleo está a convolução gráfica flexível, que agrega características de vizinhos imediatos e de segunda ordem de cada nó, mantendo a mesma complexidade de tempo e memória que a convolução padrão. Nossa arquitetura de rede compreende blocos residuais de camadas convolucionais gráficas flexíveis, bem como uma camada de normalização de resposta global para agregação, normalização e calibração de características globais. Resultados quantitativos e qualitativos demonstram a eficácia de nosso modelo, alcançando desempenho competitivo em conjuntos de dados de referência.