論文の概要: Inner Eye Canthus Localization for Human Body Temperature Screening

• arxiv url: http://arxiv.org/abs/2008.12046v1
• Date: Thu, 27 Aug 2020 10:47:57 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-24 08:01:35.358401
• Title: Inner Eye Canthus Localization for Human Body Temperature Screening
• Title（参考訳）: 体温測定のための内眼カンサスの局在
• Authors: Claudio Ferrari, Lorenzo Berlincioni, Marco Bertini, Alberto Del Bimbo
• Abstract要約: サーマルフェイス画像において内眼カンサスを局所化するための自動的アプローチを提案する。 3次元形態素顔モデルを用いてスパース2D-3D対応を計算した。 注釈付きランドマークを使って3DMMを画像に変形・投影することで、元のデータセットを豊かにします。
• 参考スコア（独自算出の注目度）: 27.184068098378862
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we propose an automatic approach for localizing the inner eye canthus in thermal face images. We first coarsely detect 5 facial keypoints corresponding to the center of the eyes, the nosetip and the ears. Then we compute a sparse 2D-3D points correspondence using a 3D Morphable Face Model (3DMM). This correspondence is used to project the entire 3D face onto the image, and subsequently locate the inner eye canthus. Detecting this location allows to obtain the most precise body temperature measurement for a person using a thermal camera. We evaluated the approach on a thermal face dataset provided with manually annotated landmarks. However, such manual annotations are normally conceived to identify facial parts such as eyes, nose and mouth, and are not specifically tailored for localizing the eye canthus region. As additional contribution, we enrich the original dataset by using the annotated landmarks to deform and project the 3DMM onto the images. Then, by manually selecting a small region corresponding to the eye canthus, we enrich the dataset with additional annotations. By using the manual landmarks, we ensure the correctness of the 3DMM projection, which can be used as ground-truth for future evaluations. Moreover, we supply the dataset with the 3D head poses and per-point visibility masks for detecting self-occlusions. The data will be publicly released.
• Abstract（参考訳）: 本稿では,サーマルフェイス画像中の内眼カンサスを局所化するための自動アプローチを提案する。 まず、目、鼻、耳の中央に対応する5つの顔のキーポイントを大まかに検出する。 次に3次元形態素顔モデル(3DMM)を用いてスパース2D-3D対応を計算した。 この対応は、3D顔全体を画像に投影し、その後、内眼カンサスを見つけるために用いられる。 この位置を検出することで、サーマルカメラを使用する人の体温を最も正確に測定することができる。 手動アノテーション付きランドマークを備えたサーマルフェースデータセットのアプローチを評価した。 しかし、このような手動アノテーションは通常、目、鼻、口などの顔の部分を特定するために考えられており、眼カンサス領域の特定に特に適していない。 追加の貢献として、アノテーション付きランドマークを使用して3dmmを画像に変形および投影することで、オリジナルのデータセットを強化します。 そして、手動で眼カンサスに対応する小さな領域を選択することで、追加のアノテーションでデータセットを豊かにする。 手動ランドマークを用いることで,将来の評価の基盤となる3DMMプロジェクションの正確性を確保する。 さらに,データセットに3dヘッドポーズと点ごとの可視性マスクを付与し,自己排他性を検出する。 データは公開される予定だ。

関連論文リスト

• Automatic 3D Registration of Dental CBCT and Face Scan Data using 2D Projection Images [0.9226931037259524]
  本稿では,歯科用コーンビームCT(CBCT)と顔スキャンデータの完全自動登録法を提案する。 3Dデジタル治療計画や矯正手術など、様々な用途で3D顎顔面モデルのデジタルプラットフォームとして使用できる。
  論文  参考訳（メタデータ） (2023-05-17T11:26:43Z)
• Neural Correspondence Field for Object Pose Estimation [67.96767010122633]
  1枚のRGB画像から3次元モデルで剛体物体の6DoFポーズを推定する手法を提案する。 入力画像の画素で3次元オブジェクト座標を予測する古典的対応法とは異なり,提案手法はカメラフラストラムでサンプリングされた3次元クエリポイントで3次元オブジェクト座標を予測する。
  論文  参考訳（メタデータ） (2022-07-30T01:48:23Z)
• Semi-Perspective Decoupled Heatmaps for 3D Robot Pose Estimation from Depth Maps [66.24554680709417]
  協調環境における労働者とロボットの正確な3D位置を知ることは、いくつかの実際のアプリケーションを可能にする。 本研究では、深度デバイスと深度ニューラルネットワークに基づく非侵襲的なフレームワークを提案し、外部カメラからロボットの3次元ポーズを推定する。
  論文  参考訳（メタデータ） (2022-07-06T08:52:12Z)
• TerrainMesh: Metric-Semantic Terrain Reconstruction from Aerial Images Using Joint 2D-3D Learning [20.81202315793742]
  本稿では,視覚的オドメトリーアルゴリズムによって保持される各カメラにおける局所的メートル法-セマンティックメッシュを再構築する2次元3次元学習手法を提案する。 メッシュはグローバル環境モデルに組み立てて、オンライン操作中の地形のトポロジとセマンティクスをキャプチャすることができる。
  論文  参考訳（メタデータ） (2022-04-23T05:18:39Z)
• Tracking People with 3D Representations [78.97070307547283]
  ビデオ中の複数の人物を追跡する新しい手法を提案する。 従来の2次元表現を用いたアプローチとは違って,3次元空間における人物の3次元表現を用いる。 これらの環境下での3次元表現は2次元表現よりも効果的であることがわかった。
  論文  参考訳（メタデータ） (2021-11-15T16:15:21Z)
• KAMA: 3D Keypoint Aware Body Mesh Articulation [79.04090630502782]
  本稿では,パラメトリックなボディーモデルSMPLを簡単な幾何学的変換によって記述する解析解を提案する。 今回のアプローチは,最先端のアプローチと比較して,画像コンテンツのアライメントが大幅に向上する。 挑戦的な3DPWおよびHuman3.6Mの結果は私達のアプローチが最先端のボディ網付属品をもたらすことを示します。
  論文  参考訳（メタデータ） (2021-04-27T23:01:03Z)
• Soft Expectation and Deep Maximization for Image Feature Detection [68.8204255655161]
  質問をひっくり返し、まず繰り返し可能な3Dポイントを探し、次に検出器を訓練して画像空間にローカライズする、反復的半教師付き学習プロセスSEDMを提案する。 以上の結果から,sdmを用いてトレーニングした新しいモデルでは,シーン内の下位3dポイントのローカライズが容易になった。
  論文  参考訳（メタデータ） (2021-04-21T00:35:32Z)
• Automated 3D cephalometric landmark identification using computerized tomography [1.4349468613117398]
  頭蓋骨の形状を代用する3次元頭蓋骨計測のランドマークの同定は、頭蓋骨計測の基本的なステップである。 近年,ディープラーニング(dl)を用いた2次元頭部画像の自動ランドマーク作成が大きな成功を収めているが,80以上のランドマークに対する3次元ランドマークは,まだ満足のいくレベルには達していない。 本論文では,匿名化されたランドマークデータセットと対のCTデータを取り除いた,半教師付き3次元ランドマーク用DL法を提案する。
  論文  参考訳（メタデータ） (2020-12-16T07:29:32Z)
• Monocular Differentiable Rendering for Self-Supervised 3D Object Detection [21.825158925459732]
  単分子画像からの3次元物体検出は、深さとスケールの射影的絡み合いにより不適切な問題である。 テクスチャ化された3次元形状の再構成と剛体物体のポーズ推定のための新しい自己教師手法を提案する。 本手法は,画像中の物体の3次元位置とメッシュを,異なるレンダリングと自己教師対象を用いて予測する。
  論文  参考訳（メタデータ） (2020-09-30T09:21:43Z)
• 3D Human Mesh Regression with Dense Correspondence [95.92326689172877]
  単一の2D画像から人体の3Dメッシュを推定することは、拡張現実や人間とロボットのインタラクションといった多くのアプリケーションにおいて重要なタスクである。 前者は畳み込みニューラルネットワーク(CNN)を用いて抽出した大域的画像特徴から3Dメッシュを再構成した。 本稿では,メッシュとUV空間の局所像特徴との密接な対応性を明確に確立する,DecoMRというモデルフリーな3次元メッシュ推定フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-06-10T08:50:53Z)
• Generating Thermal Image Data Samples using 3D Facial Modelling Techniques and Deep Learning Methodologies [0.40611352512781856]
  我々は1つの正面の顔のポーズを用いて3次元の異なる顔のポーズを生成するためにデータセットを使用した。 精製された出力は、コントラスト調整が良く、ノイズレベルが低く、暗黒領域の露出度も高い。 提案した研究の次のフェーズでは、画像の精細化バージョンを使用して3次元顔形状構造を作成する。
  論文  参考訳（メタデータ） (2020-05-05T02:55:14Z)

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。