近日，騰訊優(yōu)圖實驗室在人體2D姿態(tài)估計任務中獲得創(chuàng)新性技術突破，其提出的基于語義對抗的數(shù)據(jù)增強算法Adversarial Semantic Data Augmentation (ASDA)，刷新了人體姿態(tài)估計國際權威榜單。相關論文（Adversarial Semantic Data Augmentation for Human Pose Estimation）已被計算機視覺頂級會議EUROPEAN CONFERENCE ON COMPUTER VISION (ECCV2020)收錄。

作為計算機視覺領域的基礎技術之一，人體姿態(tài)可以理解為對“人體”的姿態(tài)（關鍵點，比如頭、左手、右腳等）的位置估計，其中2D人體姿態(tài)估計在多種視覺應用中發(fā)揮著重要作用。不過盡管該技術研究的時間歷程較長，相關創(chuàng)新方法也層出不窮，但在很多場景下，其效果依然不盡人意。

如圖1所示，對于對稱性較強的人體、遮擋比較嚴重的場合以及多人場景，2D姿態(tài)估計的表現(xiàn)普遍比較差。解決上述問題的一種有效的方法是對數(shù)據(jù)集進行數(shù)據(jù)增強，然而現(xiàn)有的數(shù)據(jù)增強算法比如圖片的翻轉、旋轉或者圖片色度的改變，都是全局尺度上的數(shù)據(jù)增強，無法解決圖中所示的挑戰(zhàn)性案例。

圖1. 二維人體姿態(tài)估計的挑戰(zhàn)性案例

為解決上述提及的難點，優(yōu)圖提出了基于語義對抗的數(shù)據(jù)增強算法Adversarial Semantic Data Augmentation (ASDA)。該算法的整體pipeline如圖2所示，輸入圖片經(jīng)過生成網(wǎng)絡，進行語義粒度上的數(shù)據(jù)增強；增強后的圖片作為姿態(tài)估計網(wǎng)絡的輸入，進行姿態(tài)估計，得到二維人體姿態(tài)。生成網(wǎng)絡生成增強樣本，提升姿態(tài)估計網(wǎng)絡的預測難度，姿態(tài)估計網(wǎng)絡則試圖預測增強后圖片。

圖2. ASDA算法流程圖

與其他算法相比，騰訊優(yōu)圖的算法有三點創(chuàng)新。創(chuàng)新之一，提出了一種基于局部變換的數(shù)據(jù)增強方式，有效填補了全局數(shù)據(jù)增強的缺陷。創(chuàng)新之二設計了一種基于人體語義部件的數(shù)據(jù)增強算法（SDA, Semantic Data Augmentation），通過語義粒度上的圖像替換以及變換來有效模擬之前網(wǎng)絡無法處理的挑戰(zhàn)案例。

第三點創(chuàng)新便是提出了ASDA算法，該算法在MPII、COCO、LSP等主流二維人體姿態(tài)估計Benchmark上均超過了state-of-the-art方法，達到第一名水平，將人體2D姿態(tài)估計的準確度推進到全新高度。ASDA作為一種通用的數(shù)據(jù)增強方法，可以便捷地用在二維人體姿態(tài)估計的不同數(shù)據(jù)集以及不同網(wǎng)絡結構上。

實踐結果表明，優(yōu)圖的算法在COCO、MPII、LSP三個姿態(tài)估計的benchmark達到了最高的水平，圖4-7展示了在以上三個權威數(shù)據(jù)集上優(yōu)圖的方法與其他SOTA算法在準確度上的差距。為了方便展示ASDA算法的效果，在COCO測試集進行可視化得到圖3，可以看到優(yōu)圖的算法能夠有效的解決圖1中的挑戰(zhàn)性案例。

作為騰訊旗下頂級的人工智能實驗室之一，優(yōu)圖聚焦計算機視覺，專注人臉識別、圖像識別、OCR、機器學習、數(shù)據(jù)挖掘等領域開展技術研發(fā)和行業(yè)落地，在推動產(chǎn)業(yè)數(shù)字化升級過程中，始終堅持基礎研究、產(chǎn)業(yè)落地兩條腿走路的發(fā)展戰(zhàn)略，與騰訊云與智慧產(chǎn)業(yè)深度融合，挖掘客戶痛點，切實為行業(yè)降本增效。

在未來，騰訊優(yōu)圖也將繼續(xù)深耕于人體2D姿態(tài)估計技術，并將持續(xù)探索更多的應用場景和應用空間，讓更多的用戶享受到科技帶來的紅利。

fqj