Amostragem Eficiente de Estimativa e Rastreamento de Poses Multi-Pessoa em Duas Etapas a partir de Dados Espacio-Temporais

Rastrear as poses articuladas de múltiplos indivíduos em vídeos complexos é uma tarefa altamente desafiadora devido a uma variedade de fatores que comprometem a precisão da estimativa e do rastreamento. Estruturas existentes frequentemente dependem de estratégias de propagação intrincadas e de extensa troca de dados de fluxo entre os quadros do vídeo. Nesse contexto, propomos uma estrutura de amostragem espacio-temporal que aborda a degradação dos quadros no nível de características, oferecendo um bloco de rede simples, mas eficaz. Nosso mecanismo de amostragem espacio-temporal capacita a estrutura a extrair características significativas dos quadros vizinhos do vídeo, otimizando, assim, a precisão da detecção de poses no quadro atual. Essa abordagem resulta em melhorias significativas na latência de execução. Ao ser avaliada no conjunto de dados COCO e no conjunto de dados misto, nossa abordagem supera outros métodos em termos de precisão média (AP), taxa de recall (AR) e razão de aceleração. Especificamente, conseguimos um aumento de 3,7% na AP, um aumento de 1,77% na AR e uma aceleração de 1,51 vezes em comparação com métodos de ponta (SOTA) convencionais. Além disso, ao ser avaliada no conjunto de dados PoseTrack2018, nossa abordagem demonstra precisão superior em rastreamento multi-objetos, conforme medido pela métrica de precisão de rastreamento multi-objetos (MOTA). Nosso método alcança um impressionante aumento de 11,7% na MOTA em comparação com os métodos SOTA prevalentes.