概述
本文仍然是使用CNN，其創新點在于如何對關節之間的依賴進行模組化，解決方法是在卷積層使用幾何變換核。此外還提出了雙向的樹結構模型，這樣每個關節的特征通道都可以接受其他關節點資訊。
網絡架構/算法流程
輸入是一張RGB靜态圖檔。經過CNN（論文中采用的CNN是VGG Net）,得到和關節個數數量相同的heatmap，然後這些heamap通過資訊傳遞進行refined。資訊傳遞的方式是使用雙向樹結構，按照圖（2，a）的方式進行bottom-up的卷積，此外還按照圖（2，b）的方式進行top-down的卷積。最終得到預測的結果。
創新點
1，幾何變換核
圖中a-c表明，對于一個高斯分布的圖像，使用不同的幾何變換核，是可以得到不同的分布的，說明幾何變換核可以改變高斯分布，包括位置和強度。對于右邊的d圖，e和f分别是它的elbow和arm，可以看到arm的定位比較準确，但是elbow的定位較差，是以作者想到使用幾何變換核将arm的位置移動到elbow的位置，以此來學習這種相對位置的變換。将g與e疊加，獲得最大的峰值（相當于一個門檻值的控制），就有效的去除了多峰值的問題。
2，雙向樹模型
所謂樹模型就是将人體的關節看作是一個樹狀的模型，在網絡結構中采用自下而上和自上而下兩種方式進行卷積，采用這種相反方向的傳播是為了互相補充。樹狀圖中每個節點具體的計算方式也在網絡架構中提出了，帶有撇的就是經過處理的。基本也是按照卷積，融合和激活的計算方式。最終的結果就是這樣的Ak， Bk的heatmap經過連接配接，就可以預測第k個關節的heatmap。
2，後處理
之前看的論文都是單人姿态估計，如果圖像中出現了多個清晰的人物，也應該對其關節點做一個估計。論文中的具體做法是關節點i和關節點j的位置分别是（xi，yi）,（xj，yj），那麼xr = (xi+xj)/2，yr = (yi+yj)/2。那麼dx = xi-xj-xr， dy = yi-yj-yr。[dx^2, dy^2]就是距離描述子，它的權重是[0.01，0.01]。
總結
論文最大的貢獻就是提出了一個關節點之間依賴的幾何變換核，另一個就是提出的樹結構能夠解決多人姿态估計。本篇論文值得一提主要是因為他在MPII競賽中曾經排名榜首，不過作者提出的方法在理論上不是那麼完善，可能更多的是依靠工程化的方法将成績刷的較高。不過這種對于人體關節的結構化資訊的關注也在CVPR 2017論文《Look into Person: Self-supervised Structure-sensitive Learning and A New Benchmark for Human Parsing》中使用到。