ViTPose

收录理由

ViTPose 是 NeurIPS 2022 论文的官方实现，专注于用视觉 Transformer 做人体姿态估计。仓库里不仅提供了论文代码，还附带多种尺寸的预训练权重、训练和推理配置，并且和 MMPose 生态打通，省去从零搭建的麻烦，能直接上手做关键点检测。后续的 ViTPose++ 把同一套骨干网络扩展到通用身体姿态估计，在多个数据集上都有验证，适合需要跨数据集迁移的场景，不用为每个数据集单独调模型。它在 MS COCO 关键点测试集上达到 81.1 AP，还提供了图片和视频的 Hugging Face 在线演示，无论是做研究对比还是给应用接入关键点识别，都是很扎实的基础。