ZIP: Scalable Crowd Counting via Zero-Inflated Poisson Modeling

一句话总结
人群计数数据集里超过 95% 的 8×8 小块没有人,均方误差又不符合计数离散、非负的特点;ZIP 改用零膨胀泊松似然建模每块的人数,在参数量和计算量相差 100 倍以上的各种骨干网络上都达到最优或极具竞争力的性能。
摘要
大多数人群计数方法使用基于均方误差(MSE)的损失,直接回归分块密度图。这种做法有两个关键缺陷:1)没有考虑标注在空间上的极度稀疏(在大多数基准上,超过 95% 的标准 8×8 块是空的),信息丰富区域的监督信号因此被占绝大多数的零值稀释;2)MSE 对应高斯误差模型,与离散、非负的计数数据不相符。我们提出一个可扩展、并直接解决上述缺陷的人群计数新框架,称为 ZIP。它用零膨胀泊松(Zero-Inflated Poisson)似然建模分块计数:零膨胀项建模稀疏标注中过多的零,泊松分量则在尊重计数离散、非负性质的同时刻画期望计数。我们给出了泛化分析:ZIP 负对数似然(NLL)的一致泛化间隙与泊松 NLL 同阶,同时提供更丰富的零膨胀似然族;而且它的界随空间块数增长的情况比基于最优传输的监督更有利。为评估 ZIP 的可扩展性和广泛适用性,我们把同一形式应用到从轻量模型到高容量架构的多种骨干网络上,参数量和推理 FLOPs 都跨越 100 倍以上。在四个标准人群计数基准上的实验表明,ZIP 在各种骨干容量下都达到最优或极具竞争力的性能。尽管 ZIP 是为稀疏的分块计数图设计的,它在密集人群场景中同样有效:在 UCF-QNRF 上,MAE 和 RMSE 分别比 mPrompt 降低 3.9% 和 8.5%。代码和训练好的权重见 https://github.com/Yiming-M/ZIP。
引用
@ARTICLE{11797788,
author={Ma, Yiming and Sanchez, Victor and Guha, Tanaya},
journal={IEEE Transactions on Image Processing},
title={ZIP: Scalable Crowd Counting via Zero-Inflated Poisson Modeling},
year={2026},
doi={10.1109/TIP.2026.3752245}}