ICCV 2019 paper :https://arxiv.org/pdf/1908.09220.pdf
不管是bottom-up还是top-down 人体姿态估计策略，都需要两步走。论文创新性的提出了single-stage。其实这个想法，我之前有过一闪而过。
论文提出了single-stage model : Single-stage multi-person Pose Machine (SPM),来简化和提高多人姿态估计的性能。为了实现这一目标，我们提出了一种新的结构化姿态表示(SPR)，将人实例和身体关节位置表示相结合。为了更好地预测某些节点的长位移（long-range），SPR进一步扩展到分层表示（hierarchical representations）。
Structured pose representation (SPR)
SPR旨在统一人体实例位置信息和人体关节点的信息，提供一个单阶段的多人姿态估计解决方案。SPR引入一个辅助节点（auxiiliary joint）->the root joint ： 来表示人体的位置。表示第 i 个人的root joint。那么第 i 个人的第 j 个节点的位置定义为。论文使用的是人体的形心（centroid）作为root joint，
Hierarchical SPR
上图（c）存在long-range的joint displacement，神经网络对于此预测不尽人意。所以提出了分层SPR的概念。 因此，我们建议将长期位移分解成累积的短期位移，以进一步改进SPR。具体地，我们根据铰接运动学（articulated kinematics）的自由度和变形程度将根节点和体节点划分为四个层次。（root joint）->first （躯干关节包括脖子，肩膀和臀部）->second （头，肘部和膝盖）->third （手腕和脚踝）->fourth。然后通过相邻层次结构中节点间的近距离位移来识别节点位置。
Regression targets for root joint position
总所周知，回归confidence map比直接回归坐标更加准确。代表根节点置信图，代表第i个人的根节点置信图。对于给定图片 I 中的位置（x,y）。。代表root joint的ground-truth。是经验选择的高斯分布的方差，论文中设置为7。根关节置信度图Cr是所有人的峰值在单一map上的集合。在这里，我们选择取置信图的最大值，而不是取它们的平均值，以保持相邻峰值之间的差异。
Regression targets for body joint displacement
论文为每个关节构造了一个密集的位移图。表示关节j 。 表示 i 个人的关节 j。对于 image I 中的（x,y），计算如下：
表示第 i 个人的 根节点的领域。标准化因子，H和W是image I 的长和宽。这里使用的平均，而不像根节点那种取最大值。where Mj is the number of non-zero vectors at position (x， y) across all persons。
Network architecthre
基于 hourglass network
