一、本文主要是Facebook AI 和INRIA 联合出品，基于RCNN架构，以及Mask RCNN的多任务结构，开源http://densepose.org
二、主要工作分为三点
1：标注了一个新的数据集，基于coco数据集，增加了uv标注，该数据集开源。
2：设计了一个框架可以用于输出uv坐标。
3、设计了一个“teacher”结构的监督网络训练方式。
三：数据集介绍：
1、名称“COCO-Densepose-dataset”。
2、图片来源于MSCOCO，挑选了50K个人，标注了近5百万的标注点。测试集“1.5k images，2.3k humans”，训练集“48k humans”
3、文章中还介绍了，他们的标注系统，以及标注采集方式，同时也点了下对标注进行评估。他们在对2D图像进行标注的时候，主要是去标注“人体表面的一些‘顶点’”比如右鼻孔外侧的左下角.2D与3D体表模型点对应关系如下图中task2所示。“标注的时候让标注者 假设透视衣服”，对标注者标注每个部位的时候提供6个参考示意图。
4、该数据集还包含了人体部位分割。
5、标注上了UV坐标之后，可以将一个3D人物的表面经过变换投影到2D图像上，并且会根据2D图像中人物的姿态做适当的变换，从而使得3D模型的表面可以做到紧贴2D人物。
这张图主要告诉我们，人类标注者标注的平均误差，以及误差大小的分布情况。
三、Densepose Evaluation
Pointwise evaluation:
这个内容主要适用于计算在整个图片样本域上的ratio of correct point（RCP），通过设定阈值，如果估计点与gt点的geodesic distance小于阈值就记为正确。同时也计算AUC，分为AUC10，AUC30，AUC10在单人和多人中都有使用。
Per-instance evaluation:
类似于OKS（object keypoint similarity）：本文采用了geodesic point similarity（GPS）用于匹配点的打分。
上面公式中，Pj是gt集合对应于每一个人，ip是对于每一个点的估计的位置，k=0.255.
会使用AP以及AR，设定阈值从0.5到0.95，代表了距离大约是0~30cm。
数据集介绍这部分还不是很清楚，等我用过之后，会更新一下。
三、框架
该模型是基于caffe2框架的。
1、输出三个内容 身体部位分割，U 以及 V
其实就是去将2D图像中人的表面的像素投影到3D人体表面上，也可以在估计出图像中人体的UV之后，将3Dmodel通过变换，将空间坐标转换为UV坐标之后，贴到图像上。
截至到这里，基本的densepose也就这样了，在第一阶段获得了ROI之后，经过ROIAlign之后，去回归三个部分。
a.首先本文给出了人类标注的错误分布情况图，也是为了能让大家意识到数据集存在着一些不可避免地错误，也是为了能跟后面的model的结果作比较。
b.正如网络结构图所示，在densepose这部分采用了FCN结构，这一点也是因为以前有人证明过卷积核拥有着不错的分类功能。在网络的细节上，采用了局部化处理回归，首先进行二分类，得出前景与背景，然后将前景再进行细分成各个不同的身体部位进行分别回归，因此也会建立局部的二维坐标系。
其实他回归这些UV坐标也是分了两个步骤的，第一个步骤先要去进行身体部位的回归分类，分为了24+1类，然后再对每一个去回归出U，V两个feature maps。
c、
利用了多任务的Multi-task cascaded architectures结构，将 mask 和 keypoint的输出特征 与 densepose 的特征 互相融合训练。而且也可以看出来使用了多stage的思想，进行“中继监督”训练。
d、“teacher net” 对整体进行辅助训
五、实验结果
