論文の概要: On Coordinate Decoding for Keypoint Estimation Tasks

• arxiv url: http://arxiv.org/abs/2110.10289v1
• Date: Tue, 19 Oct 2021 22:14:48 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-22 13:56:26.425759
• Title: On Coordinate Decoding for Keypoint Estimation Tasks
• Title（参考訳）: キーポイント推定タスクの座標復号について
• Authors: Anargyros Chatzitofis, Nikolaos Zioulis, Georgios Nikolaos Albanis, Dimitrios Zarpalas, Petros Daras
• Abstract要約: 2D(および3D)キーポイント推定の一連のタスクは、ヒートマップ座標の表現に基づいて構築される。 ヒートマップ座標表現は、グリッド上のキーポイント座標の符号化と復号化を学習し、空間的に認識することができる。
• 参考スコア（独自算出の注目度）: 22.603579615063495
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A series of 2D (and 3D) keypoint estimation tasks are built upon heatmap coordinate representation, i.e. a probability map that allows for learnable and spatially aware encoding and decoding of keypoint coordinates on grids, even allowing for sub-pixel coordinate accuracy. In this report, we aim to reproduce the findings of DARK that investigated the 2D heatmap representation by highlighting the importance of the encoding of the ground truth heatmap and the decoding of the predicted heatmap to keypoint coordinates. The authors claim that a) a more principled distribution-aware coordinate decoding method overcomes the limitations of the standard techniques widely used in the literature, and b), that the reconstruction of heatmaps from ground-truth coordinates by generating accurate and continuous heatmap distributions lead to unbiased model training, contrary to the standard coordinate encoding process that quantizes the keypoint coordinates on the resolution of the input image grid.
• Abstract（参考訳）: 一連の2d(および3d)キーポイント推定タスクは、ヒートマップ座標表現、すなわち、グリッド上のキーポイント座標を学習可能かつ空間的に認識し、かつサブピクセルの座標精度を許容する確率マップに基づいて構築される。 本稿では,DARKによる2次元熱マップ表現の再現を目標とし,地中真熱マップの符号化の重要性と,予測熱マップのキーポイント座標への復号の重要性を強調した。 作者はそう主張する a) 文献で広く使用されている標準技術の限界を克服する、より原則化された分散対応座標復号法 b) 入力画像グリッドの解像度でキーポイント座標を定量化する標準座標符号化プロセスとは対照的に,高精度かつ連続的なヒートマップ分布の生成による地対地座標からのヒートマップの再構成が偏りのないモデルトレーニングにつながること。

関連論文リスト

• Key-Grid: Unsupervised 3D Keypoints Detection using Grid Heatmap Features [20.935803672362283]
  我々は、剛体および変形可能な物体の両方に対して、キーグリッド(Key-Grid)を革新的な教師なしキーポイント検出器として導入する。 同定されたキーポイントを利用して,デコーダ部で使用されるグリッドヒートマップと呼ばれる3次元グリッド特徴ヒートマップを形成する。 Key-Gridはキーポイントのセマンティック一貫性と位置精度に関する最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2024-10-03T06:16:50Z)
• CheckerPose: Progressive Dense Keypoint Localization for Object Pose Estimation with Graph Neural Network [66.24726878647543]
  単一のRGB画像から固い物体の6-DoFのポーズを推定することは、非常に難しい課題である。 近年の研究では、高密度対応型解の大きな可能性を示している。 そこで本研究では,CheckerPoseというポーズ推定アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-03-29T17:30:53Z)
• SketchSampler: Sketch-based 3D Reconstruction via View-dependent Depth Sampling [75.957103837167]
  1枚のスケッチ画像に基づいて3次元形状を再構成することは、スパースで不規則なスケッチと正規の高密度な3次元形状との間に大きな領域ギャップがあるため困難である。 既存の作品では、3D座標を直接予測するためにスケッチから抽出されたグローバルな特徴を活用しようとするが、通常は入力スケッチに忠実でない細部を失う。
  論文  参考訳（メタデータ） (2022-08-14T16:37:51Z)
• 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)
• P2-Net: Joint Description and Detection of Local Features for Pixel and Point Matching [78.18641868402901]
  この研究は、2D画像と3D点雲の微粒な対応を確立するための取り組みである。 画素領域と点領域の固有情報変動を緩和するために,新しい損失関数と組み合わせた超広帯域受信機構を設計した。
  論文  参考訳（メタデータ） (2021-03-01T14:59:40Z)
• 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)
• Attentive One-Dimensional Heatmap Regression for Facial Landmark Detection and Tracking [73.35078496883125]
  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。
  論文  参考訳（メタデータ） (2020-04-05T06:51:22Z)
• Joint COCO and Mapillary Workshop at ICCV 2019 Keypoint Detection Challenge Track Technical Report: Distribution-Aware Coordinate Representation for Human Pose Estimation [36.73217430761146]
  人間のポーズ推定における座標表現に着目した。 本稿では,分散認識型復号法を提案する。 それらを組み合わせて,キーポイント(DARK)法のための新しい分布認識座標表現を定式化する。
  論文  参考訳（メタデータ） (2020-03-13T10:22:36Z)

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。