POSE ESTIMATION9 [Paper Review] Unbiased Data Processing for Human Pose Estimation 논문 이해하기 『 The Devil is in the Details: Delving into Unbiased Data Processing for Human Pose Estimation. CVPR. 2020. 』지금까지는 주로 성능을 높이기 위해 여러 기법들을 결합한 Pose Estimation 모델들에 대해 알아보았다. 이 모델들은 대부분 Object Detection이나 Segmentation과 같이 다른 Computer Vision Task에서 좋은 성능을 냈던 기법들을 가져와 Pose Estimation Task에 녹이는 방법을 사용하였는데, 이번에 소개할 논문에서는 Human Pose Estimation에서 성능을 높이려면 어떻게 해야할지를 먼저 고민하였다. 제목부터 왜 Devil이라는 단어를 썼을지 호기심.. 2024. 9. 12. [Paper Review] HigherHRNet 논문 이해하기 『 HigherHRNet: Scale-Aware Representation Learning for Bottom-Up Human Pose Estimation. CVPR. 2020. 』HRNet이 Top-Down 모델에서 굉장히 좋은 성능을 냈다고 하면, 이번에는 HRNet의 기법을 Bottom-Up 기반의 모델에 적용시킨 HigherHRNet이 등장하였다. Bottom-Up 모델은 아무래도 시간이 빠른 대신 관절의 위치를 정확히 잡는 정확도가 문제가 되었는데 High-Representation을 사용하여 그 점을 충분히 완화한 점을 보여준 논문이다. Githubhttps://github.com/HRNet/HigherHRNet-Human-Pose-Estimation GitHub - HRNet/HigherHR.. 2024. 9. 8. [Paper Review] HRNet for Human Pose Estimation 논문 이해하기 『 Deep High-Resolution Representation Learning for Human Pose Estimation. CVPR. 2019. 』나는 HRNet 논문을 읽었다고 생각했다. 실제로 블로그 리뷰도 올린적이 있었고 코드 사용하는데에도 문제가 없었으니까. 그런데 얼레 이후 논문들을 보다가 인용된 Reference를 보다보니 이상한점이 좀 있었다. 논문 이름이 다르네....? 그렇다 나는 멍청했던 것이다. 내가 사용한 Pose Estimation Task 속에서의 HRNet은 이 논문에서 시작된 것이라는 걸... 그래서 Pose Estimation 분야를 정복하기 위해 이논문을 제대로 읽고 이전에 리뷰했던 내용도 재검토 해보기로 마음을 먹었다. 같은 실수를 반복하지 않기 위해 이제는 논.. 2024. 9. 6. [Paper Review] Simple Baselines 논문 이해하기 『 Simple Baselines for Human Pose Estimation and Tracking. ECCV. 2018. 』이번 논문은 2018년 ECCV에 Accept된 Simple Baselines 논문이다. 후속 Pose 논문들을 보다 많은 논문들이 이 논문을 Reference하고 있어 관심이 갔다. Tracking보다는 Pose Estimation 자체에 관심이 많아 해당 분야 쪽으로 서술을 진행하도록 하겠다. Githubhttps://github.com/Microsoft/human-pose-estimation.pytorch GitHub - microsoft/human-pose-estimation.pytorch: The project is an official implement of our .. 2024. 9. 5. [Paper Review] CPN 논문 이해하기 『 Cascaded Pyramid Network for Multi-Person Pose Estimation. CVPR. 2018. 』이번에 소개할 논문은 FPN 구조를 발전시켜 Multi-Person Pose Estimation Task에 적용시킨 CPN 논문이다. 이번 논문 리딩은 빠른 이해를 위해 아래의 참고자료 블로그를 한번 쭉 읽고 난 후 논문 리딩을 시작하였다. 여러 모델의 핵심 기법들을 합쳐 더 좋은 성능을 내는 모델을 만들었다는 특징을 가지며 그렇기에 논문의 내용이 그렇게 어렵지 않았다. 참고자료https://velog.io/@haejoo/Cascaded-Pyramid-Network-for-Multi-Person-Pose-Estimation-%EB%85%BC%EB%AC%B8-%EC%A0%95.. 2024. 9. 4. [Paper Review] Stacked Hourglass 논문 이해하기 『 Stacked Hourglass Networks for Human Pose Estimation. ECCV. 2016. 』이번에 소개할 논문은 Human Pose Estimation에서 성능을 높일 수 있는 방법론을 소개한 Stacked Hourglass Network 논문이다. 본 논문에서는 Pooling과 Upsampling을 통해 원하는 Joint Location의 Heatmap을 예측하는 모델을 소개한다. 언뜻보면 U-Net의 방법론과 비슷하며 AutoEncoder, VAE 등 무언가 정보를 잘 집약하고 다시 풀어주는 형태의 연구가 해당 시기에 많이 이루어진 것으로 보인다. Paperswithcodehttps://paperswithcode.com/paper/stacked-hourglass-net.. 2024. 9. 3. 이전 1 2 다음
