提升姿態估計的代理注意力和改進的門控卷積

本文提出了GateAttentionPose,這是一種創新的方法,可以提升UniRepLKNet架構在姿態估計任務中的性能。我們提出了兩個關鍵貢獻:代理注意力模塊和門控增強前饋塊(GEFB)。代理注意力模塊取代了大卷積核,大幅提高了計算效率,同時保持了全局上下文建模。GEFB增強了特徵提取和處理能力,特別是在複雜場景中。在COCO和MPII數據集上的廣泛評估表明,GateAttentionPose優於現有的最先進方法,包括原始的UniRepLKNet,在提高效率的同時實現了優越或可比的結果。我們的方法為自動駕駛、人體動作捕捉和虛擬現實等多樣化應用提供了一種強大的姿態估計解決方案。