论文标题：Test-Time Personalization with a Transformer for Human Pose Estimation

论文链接：https://arxiv.org/abs/2107.0213

主页链接：https://liyz15.github.io/TTP/

作者单位：UC San Diego & 上海交通大学

本文提出在测试期间使用未标记的测试样本"个性化"人体姿态估计。首先使用不同的数据进行训练，然后在测试时使用自监督的关键点进行更新以适应特定主题，还提出了一种 Transformer 设计，允许通过微调自监督关键点直接改进监督人体姿态估计，代码即将开源！

我们建议在不使用任何手动注释的情况下，在给定一组人的测试图像的情况下个性化人体姿势估计器。 虽然人体姿态估计取得了重大进展，但模型泛化到不同的未知环境和看不见的人仍然非常具有挑战性。 我们没有为每个测试用例使用固定模型，而是在测试期间调整我们的姿态估计器以利用特定于个人的信息。 我们首先在不同的数据上训练我们的模型，同时具有监督和自监督的姿态估计目标。 我们使用 Transformer 模型来构建自监督关键点和监督关键点之间的转换。 在测试期间，我们通过对自我监督目标进行微调来个性化和调整我们的模型。 然后通过转换更新的自监督关键点来改进姿势。 我们对多个数据集进行了实验，并通过我们的自我监督个性化展示了姿势估计的显着改进。 

内容中包含的图片若涉及版权问题，请及时与我们联系删除