SpikePose：轻量级视频人体姿态估计

高效视频人体姿态估计必须在定位精度、运动质量和能耗之间取得平衡。我们提出 SpikePose，一种轻量级视频姿态估计器，它将帧重置、单步脉冲编码器与运动对齐热图记忆（MAM）相结合。编码器提供逐帧空间证据，而 MAM 估计关节位移、对齐历史热图，并将它们与当前预测自适应融合。通过将时序推理限制在脉冲骨干之外的紧凑轻量模块中，SpikePose 有助于弥合脉冲神经网络与经典人工神经网络（ANN）在大规模、非事件驱动视频任务上的差距。我们在 MPII 和一个固定的 NTU60 Cross-Subject 子集上评估了空间精度、运动误差和估计算术能耗。与配备 MAM 的架构匹配 ANN 相比，SpikePose 在 0.5 阈值下头骨归一化 PCK（PCK_HB(0.5)）仅损失 1.12 个百分点的代价下，将估计算术能耗降低 91.4%。在 SpikePose 内部，加入 MAM 使速度和加速度误差分别降低 28.13% 和 31.46%，同时略微提升定位精度，代价仅为每帧增加 0.003M 参数和 0.0023 解析 GFLOPs。代码将在论文录用后于 GitHub 发布。

中文由 AI 翻译，仅供参考，以原文为准。