[Open DMQA Seminar] Human Pose Estimation

Computer vision 분야 내 많은 문제들에 대해 심층 신경망에 기반한 문제 해결 방식들이 뛰어난 성능을 보이고 있다. 해당 분야 중 하나인 인간 자세 예측(Human pose estimation, HPE) 문제는 자세 교정, 행동 인식, 이상 행동 감지 등에서 나아가 최근에는 VR, AR, 영화 산업 등 다양한 분야에 확대되고 있다. 본 세미나에서는 HPE 전반에 관한 소개와 최근 해당 분야에서 널리 활용되는 접근 방법인 Heatmap-based 및 Bottom-up 방식에서의 대표적 알고리즘을 소개하고자 한다. 참고 문헌: [1] Dang, Q., Yin, J., Wang, B., & Zheng, W. (2019). Deep learning based 2d human pose estimation: A survey. Tsinghua Science and Technology, 24(6), 663-676. [2] Ramakrishna, V., Munoz, D., Hebert, M., Bagnell, J. A., & Sheikh, Y. (2014, September). Pose machines: Articulated pose estimation via inference machines. In European Conference on Computer Vision (pp. 33-47). Springer, Cham. [3] Wei, S. E., Ramakrishna, V., Kanade, T., & Sheikh, Y. (2016). Convolutional pose machines. In Proceedings of the IEEE conference on Computer Vision and Pattern Recognition (pp. 4724-4732). [4] Cao, Z., Hidalgo, G., Simon, T., Wei, S. E., & Sheikh, Y. (2019). OpenPose: realtime multi-person 2D pose estimation using Part Affinity Fields. IEEE transactions on pattern analysis and machine intelligence, 43(1), 172-186.