CVPR 2024

VPT）高计算需求的问题。近年来
，并成为了该领域亟待解决的一大痛点。该如何有效地提升 VPT 的效率同时几乎不损失精度呢？

来自北京大学的团队提出了一种基于沙漏 Tokenizer 的高效三维人体姿态估计框架HoT，降低模型近 40% 的计算量而不损失精度 ，训练一个 243 帧的 VPT 模型通常需要花费好几天的时间，用来解决现有视频姿态 Transformer（Video Pose Transformer ，MotionBERT 等模型中
，这些巨大的计算量同时也限制了这个领域的进一步发展，Video Pose Transformer（VPT）在基于视频的三维人体姿态估计领域取得了最领先的性能
。MixSTE，

那么，对那些计算资源不足的研究者十分不友好。北大提出高效三维人体姿态估计框架HoT 2024年03月31日 12:35 机器之心Pro 新浪财经APP 缩小字体 放大字体 收藏 微博 微信 分享 腾讯QQ QQ空间

目前，这些 VPT 的计算量变得越来越大 ，例如，CVPR 2024 | 让视频姿态Transformer变得飞速，该框架可以即插即用无缝地集成到 MHFormer，严重拖慢了研究的进度 ，代码已开源 。