論文の概要: Unsupervised Performance Analysis of 3D Face Alignment

• arxiv url: http://arxiv.org/abs/2004.06550v5
• Date: Tue, 25 May 2021 13:23:36 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-13 09:49:46.128440
• Title: Unsupervised Performance Analysis of 3D Face Alignment
• Title（参考訳）: 3次元顔アライメントの教師なし性能解析
• Authors: Mostafa Sadeghi, Sylvain Guy, Adrien Raison, Xavier Alameda-Pineda and Radu Horaud
• Abstract要約: 本研究では、ロバスト統計とパラメトリック信頼度テストに基づく、完全に教師なしの方法論を提案する。 これらの手法は最大50%の外れ値に対して堅牢であることを示し、顔のマッピングに適していることを示す。 提案したパイプラインがメソッドバイアスでもデータバイアスでもないことを実証的に示し、3DFAアルゴリズムの性能と顔データセットのアノテーションの精度の両方を評価するために使用できることを示した。
• 参考スコア（独自算出の注目度）: 31.791822691069093
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We address the problem of analyzing the performance of 3D face alignment (3DFA) algorithms. Traditionally, performance analysis relies on carefully annotated datasets. Here, these annotations correspond to the 3D coordinates of a set of pre-defined facial landmarks. However, this annotation process, be it manual or automatic, is rarely error-free, which strongly biases the analysis. In contrast, we propose a fully unsupervised methodology based on robust statistics and a parametric confidence test. We revisit the problem of robust estimation of the rigid transformation between two point sets and we describe two algorithms, one based on a mixture between a Gaussian and a uniform distribution, and another one based on the generalized Student's t-distribution. We show that these methods are robust to up to 50% outliers, which makes them suitable for mapping a face, from an unknown pose to a frontal pose, in the presence of facial expressions and occlusions. Using these methods in conjunction with large datasets of face images, we build a statistical frontal facial model and an associated parametric confidence metric, eventually used for performance analysis. We empirically show that the proposed pipeline is neither method-biased nor data-biased, and that it can be used to assess both the performance of 3DFA algorithms and the accuracy of annotations of face datasets.
• Abstract（参考訳）: 本稿では,3次元顔アライメント(3DFA)アルゴリズムの性能解析の問題に対処する。 従来、パフォーマンス分析は注意深くアノテートされたデータセットに依存している。 ここでは、これらのアノテーションは事前に定義された顔のランドマークの3D座標に対応する。 しかし、このアノテーションプロセスは手動でも自動でも、エラーのないことは滅多になく、分析に強く偏っている。 対照的に,ロバスト統計とパラメトリック信頼度テストに基づく完全教師なし手法を提案する。 2つの点集合間の剛性変換のロバストな推定の問題を再検討し、ガウス分布と一様分布の混合に基づく2つのアルゴリズムと、一般化された学生のt分布に基づく2つのアルゴリズムを記述する。 顔の表情やオクルージョンの存在下で、顔の未知のポーズから正面のポーズまで、顔のマッピングに適した50%のアウトリーに対して、これらの手法が堅牢であることを示す。 これらの手法を顔画像の大きなデータセットと組み合わせて、統計的正面顔モデルと関連するパラメトリック信頼度を作成し、最終的に性能解析に使用する。 提案するパイプラインは手法バイアスもデータバイアスも持たず、3dfaアルゴリズムの性能と顔データセットのアノテーションの精度の両方を評価するのに使用できることを示す。

関連論文リスト

• Occlusion Handling in 3D Human Pose Estimation with Perturbed Positional Encoding [15.834419910916933]
  固有基底から一貫した正規成分を抽出する新しい位置符号化手法PerturbPEを提案する。 実験結果では,Human3.6Mデータセットで最大12%のパフォーマンス向上が観測された。 我々の新しいアプローチは、2つのエッジが欠落しているシナリオのパフォーマンスを大幅に向上させ、最先端のベンチマークを新たに設定する。
  論文  参考訳（メタデータ） (2024-05-27T17:48:54Z)
• Volumetric Semantically Consistent 3D Panoptic Mapping [77.13446499924977]
  非構造環境における自律エージェントに適したセマンティック3Dマップを生成することを目的としたオンライン2次元から3次元のセマンティック・インスタンスマッピングアルゴリズムを提案する。 マッピング中にセマンティック予測の信頼性を統合し、セマンティックおよびインスタンス一貫性のある3D領域を生成する新しい方法を導入する。 提案手法は,パブリックな大規模データセット上での最先端の精度を実現し,多くの広く使用されているメトリクスを改善した。
  論文  参考訳（メタデータ） (2023-09-26T08:03:10Z)
• Neural Semantic Surface Maps [52.61017226479506]
  本稿では,2つの属とゼロの形状の地図を自動計算する手法を提案する。 提案手法は,手動のアノテーションや3Dトレーニングデータ要求を排除し,意味的表面-表面マップを生成する。
  論文  参考訳（メタデータ） (2023-09-09T16:21:56Z)
• OriCon3D: Effective 3D Object Detection using Orientation and Confidence [0.0]
  1つの画像から3次元物体を検出するための高度な手法を提案する。 我々は、深層畳み込みニューラルネットワークに基づく3Dオブジェクト重み付け指向回帰パラダイムを用いる。 提案手法は, 3次元オブジェクトのポーズ決定の精度を大幅に向上し, ベースライン法を超越した。
  論文  参考訳（メタデータ） (2023-04-27T19:52:47Z)
• DQS3D: Densely-matched Quantization-aware Semi-supervised 3D Detection [6.096961718434965]
  本研究では,3次元屋内空間の散在を考慮し,半教師付き3次元物体検出の課題について検討する。 我々は,最近セミ教師付き学習の顕著な進歩を招いた,堅牢で原則化された自己学習の枠組みに頼っている。 そこで本研究では,空間的に密集したトレーニング信号を可能にする,最初の半教師付き3次元検出アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-04-25T17:59:54Z)
• VIBUS: Data-efficient 3D Scene Parsing with VIewpoint Bottleneck and Uncertainty-Spectrum Modeling [2.0624279915507047]
  3Dシーン解析モデルの訓練は、興味深い代替手段だ。 このタスクをデータ効率のよい3Dシーン解析と呼ぶ。 そこで本研究では,VIBUSという2段階の有効なフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-10-20T17:59:57Z)
• GLENet: Boosting 3D Object Detectors with Generative Label Uncertainty Estimation [70.75100533512021]
  本稿では,対象物の潜在的可算有界箱の多様性として,ラベルの不確実性問題を定式化する。 本稿では,条件付き変分オートエンコーダを応用した生成フレームワークであるGLENetを提案する。 GLENetが生成するラベルの不確実性はプラグアンドプレイモジュールであり、既存のディープ3D検出器に便利に統合することができる。
  論文  参考訳（メタデータ） (2022-07-06T06:26:17Z)
• Uncertainty-Aware Adaptation for Self-Supervised 3D Human Pose Estimation [70.32536356351706]
  本稿では、2つの出力ヘッドを2つの異なる構成にサブスクライブする共通のディープネットワークバックボーンを構成するMPP-Netを紹介する。 ポーズと関節のレベルで予測の不確実性を定量化するための適切な尺度を導出する。 本稿では,提案手法の総合評価を行い,ベンチマークデータセット上での最先端性能を示す。
  論文  参考訳（メタデータ） (2022-03-29T07:14:58Z)
• Uncertainty-Aware Camera Pose Estimation from Points and Lines [101.03675842534415]
  Perspective-n-Point-and-Line (Pn$PL) は、2D-3D特徴座標の3Dモデルに関して、高速で正確で堅牢なカメラローカライゼーションを目指している。
  論文  参考訳（メタデータ） (2021-07-08T15:19:36Z)
• Delving into Localization Errors for Monocular 3D Object Detection [85.77319416168362]
  単眼画像から3Dバウンディングボックスを推定することは、自動運転に不可欠な要素です。 本研究では, 各サブタスクがもたらす影響を定量化し, 局所化誤差を求めることが, モノクロ3次元検出の抑制に欠かせない要因である。
  論文  参考訳（メタデータ） (2021-03-30T10:38:01Z)

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。