野外半监督无约束头部姿态估计
通过利用大量未标记的野外头部图像，我们提出了第一个半监督的无约束头部姿势估计（SemiUHPE）方法，该方法可以应对多样性和复杂性较高的头部姿势领域，并使用动态熵过滤来自适应地去除未标记的异常值，并通过两种新的面向头部的强增强技术进一步提高了性能。
本文介绍了一种新的半监督学习设计，用于人体姿势估计。通过增强双学生框架和引入去噪方案，生成可靠的伪热图作为无标签数据学习的目标，并通过估计的交叉学生不确定性选择学习目标。该模型在COCO基准测试中表现优于以前的半监督姿势估计器，能够超越最好的竞争者7.22 mAP（绝对改进量为+25%）。同时，该模型还能够有效地从非标签数据中学习，提升泛化和性能。
