“15分钟看顶会”是旷视研究院全新推出的论文快速解读专栏，聚焦旷视在全球各大顶会、期刊等平台所发表的工作，覆盖深度学习、计算机视觉、视觉导航与控制、计算摄影学、大规模机器学习系统、机器人学等方向。
与传统论文视频解读动辄30min时长不同，本专栏尽可能将时间控制在15分钟左右，以方便读者在日常通勤、等待、出行等时间受限的场景下高效利用碎片化时间进行学习、交流。
欢迎大家和我们一起“深度学习”，也欢迎对这种论文解读方式提出您的宝贵建议。
本期是“15分钟看顶会”专栏 ECCV 2020 论文解读系列的第二篇，旷视研究院提出一个全新方法，残差阶梯网络（Residual Steps Network, RSN）。RSN能聚合同一网络阶段输出的特征（intra-level 特征），以获得精准的局部特征表示，该表示保留了丰富的低层空间信息，能够助力网络实现精确的关键点定位。
本文方法在 2019 COCO 关键点检测任务上夺冠，并入选 ECCV 2020 Spotlight 论文。
- Spotlight 论文：
Learning Delicate Local Representations for Multi-Person Pose Estimation
- 论文链接：
- 论文代码：
- 关键词：
人体姿态估计、COCO、MPII、特征聚合、注意力机制
在利用特征融合进行人体关键点检测的现有工作中，人们多以inter-level的特征融合为基本策略，而没有考虑intra-level特征融合能带来的丰富空间信息。为此在本文中，旷视研究院提出残差阶梯网络（Residual Steps Network, RSN），能聚合同一网络阶段输出的特征（intra-level 特征），以获得精准的局部特征表示。
此外，研究人员还提出一个高效的注意力机制——姿态修正机（Pose Refine Machine），它能够在输出特征上平衡局部与全局表示，进一步修正关键点定位效果。在无额外数据与预训练模型的情况下，在COCO与MPII基准数据集上均取得了最佳效果。
专栏文章推荐
欢迎关注旷视研究院极术社区专栏，定期更新最新旷视研究院成果
加入旷视：career@megvii.com
