論文の概要: POPoS: Improving Efficient and Robust Facial Landmark Detection with Parallel Optimal Position Search

• arxiv url: http://arxiv.org/abs/2410.09583v4
• Date: Thu, 19 Dec 2024 07:21:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-20 13:27:24.169942
• Title: POPoS: Improving Efficient and Robust Facial Landmark Detection with Parallel Optimal Position Search
• Title（参考訳）: POPoS: 並列最適位置探索による効率とロバストな顔のランドマーク検出の改善
• Authors: Chong-Yang Xiang, Jun-Yan He, Zhi-Qi Cheng, Xiao Wu, Xian-Sheng Hua,
• Abstract要約: 本稿では,高精度符号化・復号化フレームワークであるParallel Optimal Position Search (POPoS)を紹介する。 Pseudo-range multilaterationは、ヒートマップエラーの修正に使われ、ランドマークのローカライゼーション精度が向上する。 1ステップの並列計算アルゴリズムを導入し、計算効率を高め、処理時間を短縮する。
• 参考スコア（独自算出の注目度）: 34.50794776762681
• License:
• Abstract: Achieving a balance between accuracy and efficiency is a critical challenge in facial landmark detection (FLD). This paper introduces Parallel Optimal Position Search (POPoS), a high-precision encoding-decoding framework designed to address the limitations of traditional FLD methods. POPoS employs three key contributions: (1) Pseudo-range multilateration is utilized to correct heatmap errors, improving landmark localization accuracy. By integrating multiple anchor points, it reduces the impact of individual heatmap inaccuracies, leading to robust overall positioning. (2) To enhance the pseudo-range accuracy of selected anchor points, a new loss function, named multilateration anchor loss, is proposed. This loss function enhances the accuracy of the distance map, mitigates the risk of local optima, and ensures optimal solutions. (3) A single-step parallel computation algorithm is introduced, boosting computational efficiency and reducing processing time. Extensive evaluations across five benchmark datasets demonstrate that POPoS consistently outperforms existing methods, particularly excelling in low-resolution heatmaps scenarios with minimal computational overhead. These advantages make POPoS a highly efficient and accurate tool for FLD, with broad applicability in real-world scenarios.
• Abstract（参考訳）: 精度と効率のバランスをとることは、顔のランドマーク検出(FLD)において重要な課題である。 本稿では,従来のFLD手法の限界に対処するための高精度符号化・復号化フレームワークであるParallel Optimal Position Search (POPoS)を紹介する。 Pseudo-range multilateration はヒートマップエラーの修正に使われ、ランドマークのローカライゼーション精度が向上する。 複数のアンカーポイントを統合することで、個々のヒートマップ不正確な影響を低減し、全体的な位置決めが堅牢になる。 2) 選択したアンカー点の擬似距離精度を高めるため, 新たな損失関数であるマルチレイタレーションアンカー損失を提案する。 この損失関数は距離マップの精度を高め、局所最適のリスクを軽減し、最適解を保証する。 (3)単一ステップ並列計算アルゴリズムを導入し,計算効率を向上し,処理時間を短縮する。 5つのベンチマークデータセットの大規模な評価は、PoPoSが既存のメソッドを一貫して上回り、特に計算オーバーヘッドが最小限である低解像度のヒートマップシナリオで優れていることを示している。 これらの利点により、POPoSはFLDの非常に効率的で正確なツールとなり、現実世界のシナリオで広く適用できる。

関連論文リスト

• Micro-Structures Graph-Based Point Cloud Registration for Balancing Efficiency and Accuracy [5.70403503863614]
  マイクロ構造グラフに基づくグローバルポイントクラウド登録手法を提案する。 提案手法は3DMatch と ETH のデータセットでよく機能する。
  論文  参考訳（メタデータ） (2024-10-29T08:36:23Z)
• SPARE: Symmetrized Point-to-Plane Distance for Robust Non-Rigid Registration [76.40993825836222]
  本研究では,SPAREを提案する。SPAREは,非剛性登録のための対称化点-平面間距離を用いた新しい定式化である。 提案手法は, 厳密でない登録問題の精度を大幅に向上し, 比較的高い解効率を維持する。
  論文  参考訳（メタデータ） (2024-05-30T15:55:04Z)
• Efficient LoFTR: Semi-Dense Local Feature Matching with Sparse-Like Speed [42.861344584752]
  従来は検出不要であったLoFTRは、大きな視点の変化とテクスチャ・ポーアのシナリオを扱う際、顕著な整合性を示した。 設計上の選択を再検討し、効率と精度の両面で複数の改善を導出する。 提案手法は,競争力のあるセミセンス・マーカと比較して高い精度を実現することができる。
  論文  参考訳（メタデータ） (2024-03-07T18:58:40Z)
• ICET Online Accuracy Characterization for Geometry-Based Laser Scan Matching [0.0]
  Iterative Closest Ellipsoidal Transform (ICET)は、新しい3D LIDARスキャンマッチングアルゴリズムである。 ICETは、常にサブセンチメートルの精度でスキャンマッチングを行うことを示す。 このレベルの精度は、アルゴリズムが完全に解釈可能であるという事実と相まって、安全クリティカルな輸送用途に適している。
  論文  参考訳（メタデータ） (2023-06-14T18:21:45Z)
• Large-scale Optimization of Partial AUC in a Range of False Positive Rates [51.12047280149546]
  ROC曲線 (AUC) の下の領域は、機械学習において最も広く使われている分類モデルのパフォーマンス指標の1つである。 近年の封筒平滑化技術に基づく効率的な近似勾配降下法を開発した。 提案アルゴリズムは,効率のよい解法を欠くランク付けされた範囲損失の和を最小化するためにも利用できる。
  論文  参考訳（メタデータ） (2022-03-03T03:46:18Z)
• FasterPose: A Faster Simple Baseline for Human Pose Estimation [65.8413964785972]
  本稿では,高速ポーズ推定のためのLR表現を用いた費用対効果ネットワークの設計パラダイムであるFasterPoseを提案する。 我々は,FasterPoseのトレーニング挙動について検討し,収束を加速する新しい回帰クロスエントロピー(RCE)損失関数を定式化する。 従来のポーズ推定ネットワークと比較すると,FLOPの58%が減少し,精度が1.3%向上した。
  論文  参考訳（メタデータ） (2021-07-07T13:39:08Z)
• Making Affine Correspondences Work in Camera Geometry Computation [62.7633180470428]
  局所的な特徴は、ポイント・ツー・ポイント対応ではなく、リージョン・ツー・リージョンを提供する。 本稿では,全モデル推定パイプラインにおいて,地域間マッチングを効果的に活用するためのガイドラインを提案する。 実験により、アフィンソルバはより高速な実行時にポイントベースソルバに匹敵する精度を達成できることが示された。
  論文  参考訳（メタデータ） (2020-07-20T12:07:48Z)
• Fast and Robust Iterative Closest Point [32.42799285301607]
  イテレーティブ・クローズト・ポイント(ICP)は、2つの点集合間の剛性登録のための基本技術である。 Sparse ICPのような最近の研究は、計算速度を犠牲にしてスパース性最適化によって堅牢性を達成する。 本稿では,古典的な点対点ICPを最大化最小化(MM)アルゴリズムとして扱えることを示す。
  論文  参考訳（メタデータ） (2020-07-15T11:32:53Z)
• Pixel-in-Pixel Net: Towards Efficient Facial Landmark Detection in the Wild [104.61677518999976]
  顔のランドマークを検出するために,Pixel-in-Pixel Net(PIPNet)を提案する。 提案モデルは,熱マップ回帰に基づく新しい検出ヘッドを備える。 PIPNetのクロスドメイン一般化能力をさらに向上するため,カリキュラムによる自己学習を提案する。
  論文  参考訳（メタデータ） (2020-03-08T12:23:42Z)
• Robust 6D Object Pose Estimation by Learning RGB-D Features [59.580366107770764]
  本稿では、この局所最適問題を解くために、回転回帰のための離散連続的な新しい定式化を提案する。 我々はSO(3)の回転アンカーを均一にサンプリングし、各アンカーから目標への制約付き偏差を予測し、最適な予測を選択するための不確実性スコアを出力する。 LINEMOD と YCB-Video の2つのベンチマーク実験により,提案手法が最先端の手法より優れていることが示された。
  論文  参考訳（メタデータ） (2020-02-29T06:24:55Z)

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。