Keskeiset käsitteet
既存の基本的なデータ拡張を協力して利用し、新しい優れた組み合わせを生成することで、SSHPEタスクにおける効果的なMultiAugsフレームワークを提案します。
Tiivistelmä
2D人間姿勢推定(HPE)は基本的な視覚問題であり、半教師付き学習(SSL)を使用して追加の未ラベルデータを掘り下げることでポーズ推定器を強化することを目指しています。最適なデータ拡張セットと組み合わせパラダイムによって、SSHPEタスクに対する新しいアプローチが提案されます。複数の一貫性損失を最適化するためにマルチパス一貫性損失法が採用され、公共ベンチマークでのパフォーマンス向上が示されています。
Tilastot
SSHPEタスクにおけるSOTA手法に比べて大幅な改善が見られました。
COCO val-setでAPが増加しました。
MPII val-setでも他の手法よりも優れた結果が得られました。
Lainaukset
"Our method brings substantial improvements on public datasets."
"The discovered collaborative combinations have intuitive interpretability."
"This plain and compact strategy is proven to be effective."