論文の概要: HP2IFS: Head Pose estimation exploiting Partitioned Iterated Function Systems

• arxiv url: http://arxiv.org/abs/2003.11536v1
• Date: Wed, 25 Mar 2020 17:56:45 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-20 03:32:38.295585
• Title: HP2IFS: Head Pose estimation exploiting Partitioned Iterated Function Systems
• Title（参考訳）: HP2IFS:分割反復関数系を用いた頭部電位推定
• Authors: Carmen Bisogni, Michele Nappi, Chiara Pero and Stefano Ricciardi
• Abstract要約: 2次元画像から実際の頭部方向を推定することはよく知られた問題である。 フラクタル符号理論と分割反復システムを用いて入力ヘッド画像からフラクタル符号を抽出する。 提案手法は,正確なYaw/pitch/roll角値を提供する。
• 参考スコア（独自算出の注目度）: 18.402636415604373
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Estimating the actual head orientation from 2D images, with regard to its three degrees of freedom, is a well known problem that is highly significant for a large number of applications involving head pose knowledge. Consequently, this topic has been tackled by a plethora of methods and algorithms the most part of which exploits neural networks. Machine learning methods, indeed, achieve accurate head rotation values yet require an adequate training stage and, to that aim, a relevant number of positive and negative examples. In this paper we take a different approach to this topic by using fractal coding theory and particularly Partitioned Iterated Function Systems to extract the fractal code from the input head image and to compare this representation to the fractal code of a reference model through Hamming distance. According to experiments conducted on both the BIWI and the AFLW2000 databases, the proposed PIFS based head pose estimation method provides accurate yaw/pitch/roll angular values, with a performance approaching that of state of the art of machine-learning based algorithms and exceeding most of non-training based approaches.
• Abstract（参考訳）: 2d画像から実際の頭部方向を推定することは、その3自由度に関してよく知られた問題であり、頭部姿勢の知識を含む多くのアプリケーションにとって非常に重要である。 その結果、このトピックはニューラルネットワークを利用する多くの方法やアルゴリズムによって取り組まれている。 実際、機械学習手法は正確な頭部回転値を達成するが、十分な訓練段階が必要であり、その目的のためには、多数の正と負の例がある。 本稿では,フラクタル符号化理論と,特に分割反復関数系を用いて入力ヘッド画像からフラクタルコードを抽出し,この表現をハミング距離で参照モデルのフラクタル符号と比較する。 BIWI と AFLW2000 の両データベースで実施された実験によると,提案した PIFS ベースのヘッドポーズ推定手法は,Yaw/pitch/roll 角の正確な値を提供する。

関連論文リスト

• Full-range Head Pose Geometric Data Augmentations [2.8358100463599722]
  多くのヘッドポーズ推定(HPE)メソッドは、フルレンジデータセットを作成する能力を約束する。 これらの手法は、頭部角度の範囲内でのみ正確であり、この特定の範囲を超えると、重大な不正確な結果がもたらされる。 本稿では,正しい軸列の座標系とオイラー角を正確に推定する手法を提案する。
  論文  参考訳（メタデータ） (2024-08-02T20:41:18Z)
• A Weighted K-Center Algorithm for Data Subset Selection [70.49696246526199]
  サブセット選択は、トレーニングデータの小さな部分を特定する上で重要な役割を果たす、基本的な問題である。 我々は,k中心および不確かさサンプリング目的関数の重み付け和に基づいて,サブセットを計算する新しい係数3近似アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2023-12-17T04:41:07Z)
• Two Approaches to Supervised Image Segmentation [55.616364225463066]
  本研究は、深層学習とマルチセットニューロンのアプローチの比較実験を開発する。 ディープラーニングアプローチは、画像セグメンテーションの実行の可能性を確認した。 代替のマルチセット手法では、計算資源をほとんど必要とせずに精度を向上することができた。
  論文  参考訳（メタデータ） (2023-07-19T16:42:52Z)
• The Cascaded Forward Algorithm for Neural Network Training [61.06444586991505]
  本稿では,ニューラルネットワークのための新しい学習フレームワークであるCascaded Forward(CaFo)アルゴリズムを提案する。 FFとは異なり、我々のフレームワークは各カスケードブロックのラベル分布を直接出力する。 我々のフレームワークでは、各ブロックは独立して訓練できるので、並列加速度システムに容易に展開できる。
  論文  参考訳（メタデータ） (2023-03-17T02:01:11Z)
• Interactive Segmentation as Gaussian Process Classification [58.44673380545409]
  クリックベースのインタラクティブセグメンテーション(IS)は、ユーザインタラクション下で対象オブジェクトを抽出することを目的としている。 現在のディープラーニング(DL)ベースの手法のほとんどは、主にセマンティックセグメンテーションの一般的なパイプラインに従っている。 本稿では,各画像上でガウス過程(GP)に基づく画素単位のバイナリ分類モデルとしてISタスクを定式化することを提案する。
  論文  参考訳（メタデータ） (2023-02-28T14:01:01Z)
• Improving Point Cloud Based Place Recognition with Ranking-based Loss and Large Batch Training [1.116812194101501]
  本稿では,識別可能な3Dポイントクラウド記述子を計算するための,シンプルで効果的な学習手法を提案する。 本稿では,画像検索における最近の進歩を取り入れ,異なる平均精度近似に基づく損失関数の修正版を提案する。
  論文  参考訳（メタデータ） (2022-03-02T09:29:28Z)
• HHP-Net: A light Heteroscedastic neural network for Head Pose estimation with uncertainty [2.064612766965483]
  そこで,本研究では,頭部キーポイントの小さなセットから始まる,単一画像中の人物の頭部ポーズを推定する新しい手法を提案する。 私たちのモデルは実装が簡単で、芸術の状況に関してより効率的です。
  論文  参考訳（メタデータ） (2021-11-02T08:55:45Z)
• Brain Inspired Object Recognition System [0.0]
  方位勾配のヒストグラム、局所二分パターン、および対象画像から抽出された主成分を用いる。 計算理論は最初に、脳の情報処理機構の概念を用いて開発された。 提案モデルの性能を検証するために,15の公開データセットを用いて実験を行った。
  論文  参考訳（メタデータ） (2021-05-15T14:42:17Z)
• Self-supervised Geometric Perception [96.89966337518854]
  自己教師付き幾何知覚(self-supervised geometric perception)は、基底幾何モデルラベルなしで対応マッチングのための特徴記述子を学ぶためのフレームワークである。 また,SGPは,地上トラスラベルを用いて訓練した教師付きオークルよりも同等か優れる最先端性能を達成できることを示す。
  論文  参考訳（メタデータ） (2021-03-04T15:34:43Z)
• MetaSDF: Meta-learning Signed Distance Functions [85.81290552559817]
  ニューラルな暗示表現で形状を一般化することは、各関数空間上の学習先行値に比例する。 形状空間の学習をメタラーニング問題として定式化し、勾配に基づくメタラーニングアルゴリズムを利用してこの課題を解決する。
  論文  参考訳（メタデータ） (2020-06-17T05:14:53Z)
• Deep Convolutional Neural Network-based Bernoulli Heatmap for Head Pose Estimation [11.676928225717337]
  本稿では1枚のRGB画像から頭部ポーズ推定のためのベルヌーイヒートマップを提案する。 本手法は頭部の角度を推定しながら頭部位置を推定できる。 マルチスケール表現を備えたディープ畳み込みニューラルネットワーク(CNN)構造を採用し、高解像度情報を維持する。
  論文  参考訳（メタデータ） (2020-05-24T15:36:29Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。