主动学习与自训练提升多视角姿态估计效率与精度

本文主要探讨了一种创新的3D姿态估计方法，结合了主动学习(Active Learning, AL)和自训练技术，旨在提高计算机视觉中人体和手部姿态估计的效率，尤其是在数据标注有限的情况下。姿态估计是计算机视觉领域的一个核心任务，它对于动作识别、社交交互理解和手语解析等应用至关重要。然而，深度神经网络的监督学习方法对大量标注数据的依赖使其成本高昂。 传统的监督学习方法依赖于大规模注释数据，如MPII这样的基准，其创建过程需要大量人力和时间。为了克服这个问题，研究者提出了一种新颖的框架，该框架扩展了单视图主动学习策略，利用多视图几何的优势，有效地挑选出最具价值的样本进行人工标注，从而显著降低标注时间和成本。 文中提出了两种新的主动学习策略，它们在多视图设置中更加高效。同时，将主动学习过程中计算出的伪标签（自我训练的一种形式）融入模型，进一步提升了系统的性能。结果显示，相较于传统的注释流程，他们的方法在CMUPanopticStudio和InterHand2.6M这两个大型基准上实现了显著的性能提升，例如在CMUPanopticStudio上，他们的系统能够将注释周转时间和成本分别减少60%和80%，对于复杂和难以识别的“闭塞”案例，也能保持稳定的高质量估计。 总结来说，这篇文章通过引入主动学习和自训练技术，为3D姿态估计提供了一个更有效、低成本的数据驱动解决方案，为计算机视觉领域中的实时应用开辟了新的可能性。这种方法对于那些对标注资源有限的场景，如移动设备或边缘计算环境，具有重要的实际价值。