Fugu-MT 論文翻訳(概要): Towards Unified Dynamic Face Landmark Detection

論文の概要: Towards Unified Dynamic Face Landmark Detection

arxiv url: http://arxiv.org/abs/2608.10346v1
Date: Tue, 11 Aug 2026 01:14:53 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-12 19:14:45.857002
Title: Towards Unified Dynamic Face Landmark Detection
Title（参考訳）: 動的ランドマークの統一化に向けて
Abstract要約: 我々は,すべての$N$-point'のデータセットを単一のデータセットに統合する顔ランドマーク検出(FLD)手法を開発した。また、FPALPベースのクエリで各ランドマークを表現し、モダリティデコーダで徐々に洗練し、最終的な表現に基づいてその座標を予測する。当社のアプローチはUnified Dynamic FLDと呼ばれ、これらの2つの設計選択を具現化し、単一のモデルが任意の$N$-point'データセットで学習できるようにすることで、ランドマーク検出パイプラインを合理化しています。
参考スコア（独自算出の注目度）: 20.888519953786197
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Although advancements in face landmark detection (FLD) methods continue to push performance boundaries, they overlook two major functional limitations: (1) different network parameters need to be trained independently for each ``$N$-point'' benchmark dataset, and (2) a model trained on an ``$N$-point'' dataset reliably outputs only the $N$ landmarks. In our work, we first conceptualize Face Part-Anchored Landmark Positions (FPALPs), wherein each landmark is treated as a progression value between zero (start) and one (end) along a face part's contour. Every landmark can be expressed in the FPALP format, irrespective of its source dataset, hence unlocking the ability to unify all ``$N$-point'' datasets into a single dataset. Secondly, we represent each landmark with an FPALP-based query, refine it progressively with a cross-modality decoder, and predict its coordinates based on the final representation. Our approach, called Unified Dynamic FLD, embodies these two design choices and streamlines the landmark detection pipeline by enabling (1) a single model to learn on any number of ``$N$-point'' datasets, and (2) yield any number of specific landmark predictions by loading the designated landmark queries at runtime. Extensive experiments on multiple benchmark datasets show that our method delivers these benefits while remaining competitive with, and in several cases outperforming existing state-of-the-art methods.
Abstract（参考訳）: フェースランドマーク検出(FLD)メソッドの進歩はパフォーマンスバウンダリを押し続けていますが、(1) 異なるネットワークパラメータを`$N$-point'のベンチマークデータセットごとに独立してトレーニングする必要があること、(2) ``$N$-point''データセットでトレーニングされたモデルが$N$ランドマークのみを確実に出力する、という2つの大きな機能的制限を見落としています。本研究では,まずFPALP(Face Part-Anchored Landmark Positions)を概念化し,各ランドマークを顔の輪郭に沿ってゼロ(開始)と1(終了)の間の進行値として扱う。すべてのランドマークは、ソースデータセットに関係なく、FPALP形式で表現できるため、すべての``$N$-point''データセットを単一のデータセットに統合することが可能になる。第2に、FPALPベースのクエリで各ランドマークを表現し、モダリティデコーダで徐々に洗練し、最終的な表現に基づいてその座標を予測する。当社のアプローチはUnified Dynamic FLDと呼ばれ、(1)1つのモデルで ``$N$-point'' のデータセットを学習し、(2) 指定されたランドマーククエリを実行時にロードすることで、特定のランドマーク予測を発生させることで、これらの2つの設計選択を具現化し、ランドマーク検出パイプラインを合理化します。複数のベンチマークデータセットに対する大規模な実験により、我々の手法は競争力を維持しながらこれらの利点を提供しており、いくつかのケースでは既存の最先端の手法よりも優れています。

関連論文リスト

FoundationGeo: Learning Spatial Pixel-Wise Fields for Monocular Metric Geometry [52.232826445242644]
FoundationGeoは空間キャリブレーションと原則データ設計による相対的および計量的予測を橋渡しする。ステージ1は DINOv3 で初期化することで高忠実なアフィン不変幾何モデルを学ぶ。ステージ2は、メートル法推定のためのピクセルワイドキャリブレーションフィールドを導入することで、グローバルなスケーリングを越えている。
論文参考訳（メタデータ） (2026-07-13T14:10:01Z)
VLM2GeoVec: Toward Universal Multimodal Embeddings for Remote Sensing [59.73939718087177]
シングルエンコーダの視覚言語モデルは、統合ベクトル空間にインターリーブされた入力を埋め込むために対照的に訓練された。 VLM2GeoVecは、領域レベルの空間推論とスケーラブルな検索を統合し、リモートセンシングにおける凝集性多モード解析を可能にする。
論文参考訳（メタデータ） (2025-12-12T11:39:35Z)
GeoToken: Hierarchical Geolocalization of Images via Next Token Prediction [23.767061975974134]
本研究では,ヒトが広い地域から特定の住所まで場所を狭める方法に着想を得た階層的シーケンス予測手法を提案する。本手法では, ネストした多解像度グローバルグリッドであるS2セルを用いて, 視覚入力と過去の予測に基づいて, より微細なセルを逐次予測する。我々は,Im2GPS3kとYFCC4kのデータセットを2つの異なるベースラインに対して評価した。
論文参考訳（メタデータ） (2025-11-02T21:30:06Z)
Solution for Point Tracking Task of ECCV 2nd Perception Test Challenge 2024 [13.14886222358538]
本報告では,映像中の物理的表面のモニタリングに着目したトラッキング・アニーポイント(TAP)の改良手法を提案する。我々は,0ショット方式で複数粒度の点追跡を知覚・修正することに焦点を当てた,微細な点識別(textbfFPD)と呼ばれるシンプルで効果的な手法を提案する。
論文参考訳（メタデータ） (2024-10-05T15:09:40Z)
Coupled Laplacian Eigenmaps for Locally-Aware 3D Rigid Point Cloud Matching [0.0]
局所構造を考慮したグラフラプラシアン固有写像に基づく新しい手法を提案する。ラプラシアン固有写像の順序と符号のあいまいさに対処するために、結合ラプラシアンと呼ばれる新しい作用素を導入する。これらの高次元空間間の類似性は、形状に一致するような局所的な意味のあるスコアを与えることを示す。
論文参考訳（メタデータ） (2024-02-27T10:10:12Z)
Learn What You Need in Personalized Federated Learning [53.83081622573734]
$textitLearn2pFed$は、アルゴリズムに基づくパーソナライズされたフェデレーション学習フレームワークである。我々は、textitLearn2pFed$が、従来のパーソナライズされたフェデレーション学習方法よりも大幅に優れていることを示す。
論文参考訳（メタデータ） (2024-01-16T12:45:15Z)
TAPIR: Tracking Any Point with per-frame Initialization and temporal Refinement [64.11385310305612]
本稿では,ビデオシーケンスを通して任意の物理面上の問合せ点を効果的に追跡する,TAP(Tracking Any Point)の新しいモデルを提案する。提案手法では,(1)他のフレームの問合せ点に対する適切な候補点マッチングを独立に特定するマッチング段階と,(2)局所的相関に基づいてトラジェクトリと問合せの両方を更新する改良段階の2段階を用いる。結果として得られたモデルは、DAVISにおける平均約20%の絶対平均ジャカード(AJ)改善によって示されるように、TAP-Vidベンチマークにおける大きなマージンで、すべてのベースライン手法を上回ります。
論文参考訳（メタデータ） (2023-06-14T17:07:51Z)
Joint Spatial-Temporal and Appearance Modeling with Transformer for Multiple Object Tracking [59.79252390626194]
本稿ではTransSTAMという新しい手法を提案する。Transformerを利用して各オブジェクトの外観特徴とオブジェクト間の空間的時間的関係の両方をモデル化する。提案手法はMOT16, MOT17, MOT20を含む複数の公開ベンチマークで評価され, IDF1とHOTAの両方で明確な性能向上を実現している。
論文参考訳（メタデータ） (2022-05-31T01:19:18Z)
Improving tracking with a tracklet associator [17.839783649372116]
マルチプルオブジェクトトラッキング(Multiple Object Tracking、MOT)は、コンピュータビジョンにおけるタスクであり、ビデオ内のオブジェクトの位置を検出し、それらをユニークなアイデンティティに関連付けることを目的としている。本稿では,制約プログラミング(CP)に基づく手法を提案する。その目的は,既存のトラッカーに移植することで,オブジェクトの関連性を改善することである。
論文参考訳（メタデータ） (2022-04-22T12:47:46Z)
Dynamic Focus-aware Positional Queries for Semantic Segmentation [94.6834904076914]
本稿では,動的焦点認識型位置情報クエリと呼ばれるセマンティックセグメンテーションのための,シンプルで効果的なクエリ設計を提案する。我々のフレームワークはSOTAの性能を達成し、ResNet-50、Swin-T、Swin-Bのバックボーンによる1.1%、1.9%、および1.1%の単一スケールmIoUでMask2formerより優れています。
論文参考訳（メタデータ） (2022-04-04T05:16:41Z)

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。