論文の概要: Towards Robust and Unconstrained Full Range of Rotation Head Pose Estimation

• arxiv url: http://arxiv.org/abs/2309.07654v1
• Date: Thu, 14 Sep 2023 12:17:38 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-15 15:06:44.246539
• Title: Towards Robust and Unconstrained Full Range of Rotation Head Pose Estimation
• Title（参考訳）: ローテーションヘッドポーズ推定のロバストかつ無拘束化に向けて
• Authors: Thorsten Hempel and Ahmed A. Abdelrahman and Ayoub Al-Hamadi
• Abstract要約: 本稿では,非拘束型終端頭部ポーズ推定のための新しい手法を提案する。 効率的かつロバストな直接回帰のための連続6次元回転行列表現を提案する。 提案手法は,他の最先端手法よりも効率的かつロバストに優れる。
• 参考スコア（独自算出の注目度）: 2.915868985330569
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Estimating the head pose of a person is a crucial problem for numerous applications that is yet mainly addressed as a subtask of frontal pose prediction. We present a novel method for unconstrained end-to-end head pose estimation to tackle the challenging task of full range of orientation head pose prediction. We address the issue of ambiguous rotation labels by introducing the rotation matrix formalism for our ground truth data and propose a continuous 6D rotation matrix representation for efficient and robust direct regression. This allows to efficiently learn full rotation appearance and to overcome the limitations of the current state-of-the-art. Together with new accumulated training data that provides full head pose rotation data and a geodesic loss approach for stable learning, we design an advanced model that is able to predict an extended range of head orientations. An extensive evaluation on public datasets demonstrates that our method significantly outperforms other state-of-the-art methods in an efficient and robust manner, while its advanced prediction range allows the expansion of the application area. We open-source our training and testing code along with our trained models: https://github.com/thohemp/6DRepNet360.
• Abstract（参考訳）: 人の頭の位置の推定は、前頭姿勢予測のサブタスクとして主に取り扱われている多数のアプリケーションにとって重要な問題である。 本研究では,非拘束型終端頭部ポーズ推定のための新しい手法を提案し,全方向頭部ポーズ予測の課題に取り組む。 そこで本研究では,本研究の真理データに対する回転行列形式を導入し,効率的かつロバストな直接回帰のための連続6次元回転行列表現を提案する。 これにより、完全な回転の外観を効率的に学習し、現在の最先端の限界を克服することができる。 頭部姿勢の回転データを提供する新たな蓄積訓練データと、安定学習のための測地的損失アプローチとを組み合わせることで、頭部方向の幅広い範囲を予測できる高度なモデルを設計する。 公開データセットに対する広範な評価は,本手法が他の最先端手法よりも効率的かつロバストに優れており,その高度な予測範囲はアプリケーション領域の拡張を可能にすることを示している。 トレーニングとテストのコードを、トレーニングされたモデルとともにオープンソースにしています。

関連論文リスト

• Semi-Supervised Unconstrained Head Pose Estimation in the Wild [60.08319512840091]
  本研究では,最初の半教師なしヘッドポーズ推定手法であるSemiUHPEを提案する。 本手法は,野生頭部のアスペクト比不変収穫が,それまでのランドマークベースのアフィンアライメントよりも優れているという観測に基づいている。 実験とアブレーション研究は、SemiUHPEが既存の手法を公開ベンチマークで大きく上回っていることを示している。
  論文  参考訳（メタデータ） (2024-04-03T08:01:00Z)
• Prior-guided Source-free Domain Adaptation for Human Pose Estimation [24.50953879583841]
  2次元人間のポーズ推定のためのドメイン適応法は、典型的にはソースデータへの連続的なアクセスを必要とする。 我々は、人気のある平均教師フレームワークを基盤とした擬似ラベル方式である、事前指導型自己学習(POST)を提案する。
  論文  参考訳（メタデータ） (2023-08-26T20:30:04Z)
• Self-Distillation for Further Pre-training of Transformers [83.84227016847096]
  我々は、さらなる事前学習段階の正則化として自己蒸留を提案する。 画像およびテキスト分類タスクのための様々なベンチマークデータセットにおける自己蒸留の有効性を実証的に検証する。
  論文  参考訳（メタデータ） (2022-09-30T02:25:12Z)
• Occlusion-Aware Self-Supervised Monocular 6D Object Pose Estimation [88.8963330073454]
  自己教師付き学習による新しい単眼6次元ポーズ推定手法を提案する。 ノイズの多い学生のトレーニングと差別化可能なレンダリングの現在の傾向を活用して、モデルをさらに自己監督する。 提案する自己超越法は,合成データに依存する他の方法よりも優れている。
  論文  参考訳（メタデータ） (2022-03-19T15:12:06Z)
• 6D Rotation Representation For Unconstrained Head Pose Estimation [2.1485350418225244]
  本研究は, 基底真理データに対する回転行列形式を導入して, あいまいな回転ラベルの問題に対処する。 このようにして、提案手法は、ポーズ予測を狭角に制限する従来のアプローチとは正反対に、全回転の外観を学習することができる。 AFLW2000およびBIWIデータセットを用いた実験により,提案手法が他の最先端手法よりも最大20%高い性能を示した。
  論文  参考訳（メタデータ） (2022-02-25T08:41:13Z)
• Learning Oriented Remote Sensing Object Detection via Naive Geometric Computing [38.508709334835316]
  本稿では,水平提案の回帰,オブジェクト指向提案,物体の回転角を一貫した方法で学習する機構を提案する。 提案するアイデアはシンプルで直感的であり、容易に実装できる。
  論文  参考訳（メタデータ） (2021-12-01T13:58:42Z)
• Pose Guided Person Image Generation with Hidden p-Norm Regression [113.41144529452663]
  ポーズ誘導者画像生成タスクを解くための新しいアプローチを提案する。 提案手法では,各アイデンティティに対するポーズ不変特徴行列を推定し,対象ポーズに条件づけられたターゲットの出現を予測できる。 提案手法は, 上記すべての変種シナリオにおいて, 競合性能を示す。
  論文  参考訳（メタデータ） (2021-02-19T17:03:54Z)
• Spatial Attention Improves Iterative 6D Object Pose Estimation [52.365075652976735]
  本稿では,RGB画像を用いた6次元ポーズ推定の改良手法を提案する。 私たちの主な洞察力は、最初のポーズ推定の後、オブジェクトの異なる空間的特徴に注意を払うことが重要です。 実験により,このアプローチが空間的特徴に順応することを学び,被写体の一部を無視することを学び,データセット間でのポーズ推定を改善することを実証した。
  論文  参考訳（メタデータ） (2021-01-05T17:18:52Z)
• REDE: End-to-end Object 6D Pose Robust Estimation Using Differentiable Outliers Elimination [15.736699709454857]
  RGB-Dデータを用いた新しいエンドツーエンドオブジェクトポーズ推定器REDEを提案する。 また,候補結果と信頼度を同時に抑制する相違可能な外乱除去手法を提案する。 3つのベンチマークデータセットの実験結果は、REDEが最先端のアプローチをわずかに上回っていることを示している。
  論文  参考訳（メタデータ） (2020-10-24T06:45:39Z)
• WHENet: Real-time Fine-Grained Estimation for Wide Range Head Pose [1.8275108630751844]
  本稿では,1枚のRGB画像から全方向のヘッドヤウからオイラー角度を推定するエンド・ツー・エンドのヘッドプレース推定ネットワークを提案する。 ネットワークは、損失関数の変更と広帯域推定に適応したトレーニング戦略を備えたマルチロスアプローチに基づいて構築されている。
  論文  参考訳（メタデータ） (2020-05-20T20:53:01Z)
• Self6D: Self-Supervised Monocular 6D Object Pose Estimation [114.18496727590481]
  自己教師付き学習による単眼6次元ポーズ推定のアイデアを提案する。 ニューラルレンダリングの最近の進歩を活用して、注釈のない実RGB-Dデータのモデルをさらに自己監督する。
  論文  参考訳（メタデータ） (2020-04-14T13:16:36Z)

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。