在计算机视觉中，姿态估计是对物体方向和定位的检测。

信念图

来自 Nvidia 的一个团队提出了“ Deep Object Pose Estimation ”，它有两个主要组成部分：

• 检测图像中的对象并生成 2D 关键点映射

• 将 2D 映射到 6D

据我所知，“信念图”是由他们系统的第一个组件生成的，并描述了 2D关键点映射的元素，然后由第二个组件投影到 6D。从文章：

前馈网络将大小为 w×h×3 的 RGB 图像作为输入，并产生两个不同的输出，即信念图和向量场。有九个信念图，一个用于 3D 边界框的投影 8 个顶点中的每一个，一个用于质心。类似地，有 8 个向量场指示从 8 个顶点中的每一个到相应质心的方向……以实现对同一类型对象的多个实例的检测。

亲和场

我没有遇到过相似度图，但是上面提到了相似度场作为他们姿势估计方法的灵感，特别是在“ Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields ”中。那篇文章旨在解决如何在包含多人的视频中将肢体归因于人的问题。

亲和图是“关键点关联的显式非参数表示，它编码人体肢体的位置和方向”，您可以在他们的视频中看到演示（非常酷）。

所以回到第一篇文章，亲和力场类似于上面提到的向量场。它们用于将身体部位与5中的特定人相关联，或者将信念图的顶点与表示4中的对象的质心相关联。

因此，信念图表示由其深层 CNN 提取的特征，而向量/亲和场有助于将这些顶点与已检测到的项目相关联。