論文の概要: Attentive One-Dimensional Heatmap Regression for Facial Landmark Detection and Tracking

• arxiv url: http://arxiv.org/abs/2004.02108v7
• Date: Thu, 27 Aug 2020 13:54:22 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-16 13:04:02.030522
• Title: Attentive One-Dimensional Heatmap Regression for Facial Landmark Detection and Tracking
• Title（参考訳）: 顔のランドマーク検出と追跡のための一次元ヒートマップ回帰
• Authors: Shi Yin, Shangfei Wang, Xiaoping Chen, Enhong Chen
• Abstract要約: 顔のランドマークの局所化のための新しい1次元熱マップ回帰法を提案する。 まず、x座標とy座標の辺分布を表すために、1次元熱マップの2つの群を予測する。 第2に、x と y 座標に存在する固有の空間パターンをモデル化するコアテンション機構が採用されている。 第3に、1次元熱マップ構造に基づいて、画像上のランドマーク検出のための空間パターンを検出する顔ランドマーク検出器を提案する。
• 参考スコア（独自算出の注目度）: 73.35078496883125
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Although heatmap regression is considered a state-of-the-art method to locate facial landmarks, it suffers from huge spatial complexity and is prone to quantization error. To address this, we propose a novel attentive one-dimensional heatmap regression method for facial landmark localization. First, we predict two groups of 1D heatmaps to represent the marginal distributions of the x and y coordinates. These 1D heatmaps reduce spatial complexity significantly compared to current heatmap regression methods, which use 2D heatmaps to represent the joint distributions of x and y coordinates. With much lower spatial complexity, the proposed method can output high-resolution 1D heatmaps despite limited GPU memory, significantly alleviating the quantization error. Second, a co-attention mechanism is adopted to model the inherent spatial patterns existing in x and y coordinates, and therefore the joint distributions on the x and y axes are also captured. Third, based on the 1D heatmap structures, we propose a facial landmark detector capturing spatial patterns for landmark detection on an image; and a tracker further capturing temporal patterns with a temporal refinement mechanism for landmark tracking. Experimental results on four benchmark databases demonstrate the superiority of our method.
• Abstract（参考訳）: 熱マップの回帰は、顔のランドマークを見つけるための最先端の方法と考えられているが、空間的複雑さに悩まされ、量子化誤差が生じる。 そこで本研究では,顔のランドマーク位置推定のための新しい1次元熱マップ回帰法を提案する。 まず,x,y座標の周縁分布を表す1次元ヒートマップの2つの群を予測した。 これらの1次元熱マップは、x座標とy座標の結合分布を表すために2次元熱マップを用いる現在の熱マップ回帰法と比較して、空間的複雑さを著しく低減する。 提案手法では,gpuメモリが限られているにも関わらず,高分解能の1dヒートマップを出力でき,量子化誤差を著しく軽減できる。 第2に、x と y 座標に存在する固有の空間パターンをモデル化するために共注意機構が採用され、したがって x と y 軸上の関節分布も捕捉される。 第3に, 1次元ヒートマップ構造に基づき, 画像上のランドマーク検出のための空間パターンを捕捉する顔ランドマーク検出器と, ランドマーク追跡のための時間補正機構を用いて, 時間パターンを捕捉するトラッカを提案する。 4つのベンチマークデータベースの実験結果から,本手法の優位性を示す。

関連論文リスト

• Precise Facial Landmark Detection by Reference Heatmap Transformer [52.417964103227696]
  より正確に顔のランドマークを検出するための参照ヒートマップ変換器(RHT)を提案する。 評価実験の結果,提案手法は文献における最先端の手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2023-03-14T12:26:48Z)
• Subpixel Heatmap Regression for Facial Landmark Localization [65.41270740933656]
  熱マップ回帰法は、熱マップ符号化と復号処理の両方に関連する離散化による誤差に悩まされる。 本稿では,熱マップの符号化と復号化に基礎となる連続分布を利用した新しい手法を提案する。 我々のアプローチは、顔のランドマークのローカライゼーションに新しい最先端の結果を設定する複数のデータセット間で顕著な利得を提供する。
  論文  参考訳（メタデータ） (2021-11-03T17:21:28Z)
• Is 2D Heatmap Representation Even Necessary for Human Pose Estimation? [44.313782042852246]
  キーポイント座標(emphSimDR)のための textbfSimple yet promising textbfDisentangled textbfRepresentation を提案する。 本稿では,キーポイント位置に対する水平座標と垂直座標の表現をアンタングル化することを提案する。
  論文  参考訳（メタデータ） (2021-07-07T16:20:12Z)
• Heatmap Regression via Randomized Rounding [105.75014893647538]
  本稿では,サブピクセルローカライゼーション問題に対処する簡易かつ効果的な量子化システムを提案する。 提案システムでは,数値座標の分数部をトレーニング中の確率的アプローチを用いて基底真理熱マップに符号化する。
  論文  参考訳（メタデータ） (2020-09-01T04:54:22Z)
• Graph-PCNN: Two Stage Human Pose Estimation with Graph Pose Refinement [54.29252286561449]
  グラフPCNNと呼ばれる2段階のグラフベースおよびモデルに依存しないフレームワークを提案する。 第1段階では、粗局化結果を得るために熱マップ回帰ネットワークを適用し、ガイドポイントと呼ばれる一連の提案キーポイントをサンプリングする。 第2段階では、各案内点について、ローカライゼーションにより異なる視覚特徴を抽出する。 ガイドされた点間の関係は、より正確なローカライゼーション結果を得るためにグラフポーズ精製モジュールによって探索される。
  論文  参考訳（メタデータ） (2020-07-21T04:59:15Z)
• A Transfer Learning approach to Heatmap Regression for Action Unit intensity estimation [50.261472059743845]
  アクション・ユニット(英: Action Units、AUs)は、幾何学に基づく原子性顔面筋運動である。 本稿では,その位置と強度を共同で推定する新しいAUモデリング問題を提案する。 ヒートマップは、所定の空間的位置でAUが発生するか否かをモデル化する。
  論文  参考訳（メタデータ） (2020-04-14T16:51:13Z)

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。