DensePose开源了，2D变3D人体姿势实时识别 | Facebook@CVPR 2018

圆栗子 编译整理 量子位 出品 | 公众号 QbitAI

大家可能还记得，今年2月Facebook发布的，人体姿势实时识别系统DensePose。

现在，代码开源了。撒花。

100人也很轻松

DensePose，这项技术可以把2D图像，转换成3D人体模型，并已成功跻身今年CVPR的Oral环节。

Facebook和来自法国的INRIA研究所共同开发的AI，和传统姿态估计系统很不一样。

前人的姿势识别，大多是着眼一组关节，比如手腕，比如肘部。

不过，Facebook团队觉得，这样的观察方式，是没有办法深刻理解图像的。

他们需要的是，人体表面的全方位观察，把每个人变成UV贴图，一片一片一片，一片。

系统可以覆盖浑身上下超过5000个节点，比十几个关节要细致得多。

另外，DensePose每秒处理多帧画面，而且，就算视频里同时出现100个人，也没问题。

每一个被人体占据的像素，尽收眼底。

这样的任务，一个GPU可以完全搞定。2D转3D的速度和准确度，有希望为AR/VR这样的应用提供加持。

数据集叫COCO

这样的成就，DensePose-COCO功勋卓著。

这是一个大规模的参考标准 (Ground Truth) 数据集。里面包含了5万人图像 - 表面UV图的一一对应。

随机采样的人类，千姿百态，还有各个身体部位分割开来的样子。

万事俱备，只是数据集还没开源。

模型结构怎样

DensePose-RCNN，深度神经网络的结构，是团队新建的。

他们是在Facebook自家的物体检测平台Detectron上面，搭起了这样一个模型。

在全卷积处理之后，用了兴趣区域池化层 (ROI Pooling) 。研究人员用三个输出通道，扩增了这个网络。

训练好之后，AI可以把每一个像素，分配到不同的身体部位，给出U坐标和V坐标。

看着自家神经网络茁壮成长，Facebook团队还在博客里致谢了被并到PyTorch里的Caffe 2。

学习时间

现在，既然还不知道数据集里面，有多少羞羞的姿势，大家就先瞻仰一下代码吧。

GitHub传送门： https://github.com/facebookresearch/DensePose

顺便，CVPR正在盐湖城开心地进行。6月22日，就要轮到DensePose团队开讲，当地时间早8点之前，沉迷学习的各位可以趁机复习一下论文。

论文传送门： https://arxiv.org/pdf/1802.00434.pdf