Human-Understanding Computer Vision(HUCV)

인간을 이해하기 위한 visual intelligence를 탑재하는 것이 궁극적 목표

Human Pose Estimation: HUCV의 핵심 연구 분야

여기서 human pose란 사람 관절의 좌표, 회전

2D Human Pose Estimation

: 입력 이미지로부터 사람의 관절을 2D 공간에 위치화

관절은 dataset마다 정의 되어있음

Challenges

• 사람끼리의 가려짐
• 복잡한 자세
  • 관절의 가동범위가 넓어서 → 일반적이지 않아서 추정하기 어려움
• 작은 해상도
  • 한 이미지에서 scale이 다 다름
  • 가까운 사람은 크게 먼 사람은 작게
  • 멀리 있는 사람은 너무 작아서 픽셀이 너무 적음
  • ex) CCTV 분석
• 모션 블러
  • 입력 이미지 정보가 불안정함
  • 사람이 빨리 움직이거나 카메라가 움직이거나
  • 빠르게 움직이는 분야
• 잘림
  • 전신이 아닌 상반신만 처럼
  • 보이지 않는 부분에 대한 추정은?

Training

(x, y) Regression 접근

• (2013) DeepPose
• CNN regressor를 통해 key-points 좌표값 추정

Heatmap 접근

• (2015) Efficient Object Localization Using Convolutional Networks
• output을 (x, y) 좌표 대신, Heatmap을 통해 상대적인 빈도, 확률 값으로 가져가도록 함