論文の概要: FreqFLD: Towards All-in-One Facial Landmark Detection via Frequency Modulation

• arxiv url: http://arxiv.org/abs/2609.10278v1
• Date: Wed, 09 Sep 2026 14:58:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:09.070901
• Title: FreqFLD: Towards All-in-One Facial Landmark Detection via Frequency Modulation
• Title（参考訳）: FreqFLD:周波数変調によるオールインワン顔ランドマーク検出に向けて
• Abstract要約: FreqFLDは、オールインワンのtextbfface textbflandmark textbfdection に向けたフレームワークである。 FreqFLDは周波数変調混合(FreqMoE)と周波数変調前の条件に適応的に調整されたエキスパートセレクションを採用している。 実験では、提案されたFreqFLDが一般的なデータセットで同等のパフォーマンスを達成することを示した。
• 参考スコア（独自算出の注目度）: 11.50805768130112
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent progress in deep learning has significantly advanced facial landmark detection. However, most existing methods process features in a spatial-domain manner under a dataset-specific training paradigm, which overlooks the fact that facial landmark detection is inherently geometry-driven and sensitive to frequency variations, thereby limiting cross-dataset generalization under complex scenarios and hindering the development of a facial landmark detection model. To address this issue, we propose \textbf{FreqFLD}, a \textbf{freq}uency-modulated framework towards All-in-One \textbf{f}acial \textbf{l}andmark \textbf{d}etection. Specifically, FreqFLD introduces a Frequency Modulation Module (FreqMoM) to explicitly induce the frequency prior by decoupling and modulating low- and high-frequency components, which is then injected into subsequent feature modeling to enable balanced modeling of global facial structure and local landmark details. Furthermore, FreqFLD employs a Frequency-Modulated Mixture-of-Experts (FreqMoE), with expert selection adaptively conditioned on frequency-modulated priors, enabling flexible modeling of heterogeneous facial landmark patterns under diverse and challenging scenarios. To regularize frequency-consistent modeling under the All-in-One paradigm, we further introduce a Frequency-Consistent Routing (FreqCR) loss, which constrains the routing and assignment of frequency-aware experts to promote balanced expert utilization across diverse facial scenarios, thereby enabling stable expert specialization and achieving robust facial landmark detection. Extensive experiments demonstrate that the proposed FreqFLD achieves comparable performance on popular datasets. The code is available at: https://github.com/jkj1059657014/FreqFLD.
• Abstract（参考訳）: 近年のディープラーニングの進歩は顔のランドマーク検出に大きく進歩している。 しかし、既存のほとんどの手法は、データセット固有の訓練パラダイムの下で、顔のランドマーク検出が本質的に幾何学的に駆動され、周波数変動に敏感であるという事実を見落とし、複雑なシナリオ下でのデータセット間の一般化を制限し、顔のランドマーク検出モデルの開発を妨げている。 この問題に対処するために、All-in-One \textbf{f}acial \textbf{l} andmark \textbf{d}etection に対する \textbf{Freq}uency-modulated framework である \textbf{FreqFLD} を提案する。 具体的には、FreqFLDは周波数変調モジュール(FreqMoM)を導入し、低周波成分と高周波成分を分離・変調することで周波数を明示的に誘導する。 さらに、FreqFLDは周波数変調混合(FreqMoE)を採用しており、周波数変調された事前条件に適応した専門家の選択により、多種多様な難易度シナリオ下での異種顔のランドマークパターンの柔軟なモデリングを可能にしている。 All-in-Oneパラダイムの下での周波数一貫性モデリングを標準化するために、周波数一貫性ルーティング(FreqCR)の損失をさらに導入する。これは、周波数認識の専門家のルーティングと割り当てを制約し、多様な顔のシナリオにおけるバランスの取れた専門家の活用を促進し、安定した専門家の専門化を可能にし、堅牢な顔のランドマーク検出を実現する。 大規模な実験は、提案されたFreqFLDが一般的なデータセットで同等のパフォーマンスを達成することを示した。 コードは、https://github.com/jkj1059657014/FreqFLD.comで入手できる。

関連論文リスト

• Freq-RemoteVAR: Next-Frequency Autoregressive Modeling for Remote Sensing Change Detection [14.222308941007674]
  本稿では、周波数領域における構造的生成問題として変化検出を再構成する周波数自己回帰フレームワークを提案する。 本稿では、周波数トークン上で因果自己回帰モデリングを行う周波数VAR変換器を開発する。 CDD、GZ-CD、LEVIR-CDの実験は、Freq-Remoteが既存の手法より一貫して優れていることを示した。
  論文  参考訳（メタデータ） (2026-07-28T14:59:56Z)
• Frequency-Aware Semantic Fusion with Gated Injection for AI-generated Image Detection [18.582605108525506]
  Vision Foundation Modelsは、リッチなセマンティック表現と周波数ベースのメソッドがアーティファクトキューをキャプチャする機能を提供する。 これらのモダリティを組み合わせた既存のアプローチは、依然として限定的な一般化に悩まされている。 本稿では、一般化を改善するために、周波数対応Gated Injection Network (FGINet)を提案する。
  論文  参考訳（メタデータ） (2026-04-30T13:54:50Z)
• Wavelet-Guided Dual-Frequency Encoding for Remote Sensing Change Detection [67.84730634802204]
  リモートセンシング画像の変化検出は,自然災害監視,都市拡張追跡,インフラ管理など,さまざまな工学的応用において重要な役割を担っている。 既存のほとんどの手法は空間領域モデリングに依存しており、特徴表現の限られた多様性は微妙な変化領域の検出を妨げる。 本研究では、特にウェーブレット領域における周波数領域の特徴モデリングが周波数成分の微細な違いを増幅し、空間領域において捉えにくいエッジ変化の知覚を高めることを観察する。
  論文  参考訳（メタデータ） (2025-08-07T11:14:16Z)
• Robust Spectral Fuzzy Clustering of Multivariate Time Series with Applications to Electroencephalogram [6.62414474989199]
  スペクトル領域にファジィクラスタリングフレームワークを導入し、変数間の周波数特異なモノトニックな関係を抽出する。 本手法は、クラスタリング精度を向上させるために、周波数ベースのクロスリージョン接続パターンを優先的に活用する。 フラッグシップアプリケーションとして脳波記録を解析し,潜在認知状態の周波数・接続性特異的マーカーを明らかにする。
  論文  参考訳（メタデータ） (2025-06-28T12:02:01Z)
• Freqformer: Image-Demoiréing Transformer via Efficient Frequency Decomposition [83.40450475728792]
  本稿では,Freqformerについて述べる。Freqformerは,ターゲット周波数分離による画像復号化に特化して設計されたトランスフォーマーベースのフレームワークである。 本手法は,モワールパターンを高周波数空間局在化テクスチャと低周波数スケールローバスト色歪みに明確に分割する有効な周波数分解を行う。 様々なデモアのベンチマーク実験により、Freqformerは、コンパクトなモデルサイズで最先端のパフォーマンスを達成することを示した。
  論文  参考訳（メタデータ） (2025-05-25T12:23:10Z)
• Generalizable Multispectral Land Cover Classification via Frequency-Aware Mixture of Low-Rank Token Experts [22.75047167955269]
  マルチスペクトル土地被覆分類(MLCC)の新しいアプローチであるLand-MoEを紹介する。 Land-MoEは、低ランクトークンエキスパート(MoLTE)と周波数認識フィルタ(FAF)の2つの重要なモジュールから構成される。
  論文  参考訳（メタデータ） (2025-05-20T08:52:28Z)
• Multiple Contexts and Frequencies Aggregation Network forDeepfake Detection [5.65128683992597]
  ディープフェイク検出は、大量で多様なディープフェイク技術の開発において、生成モデルの急速な成長以来、課題に直面している。 近年の進歩は、バックボーン内の一般的な偽造特徴をモデル化するのではなく、空間領域や周波数領域からの特徴の導入に依存している。 2つのコアモジュールからなるMkfaNetという顔偽造検出のための効率的なネットワークを提案する。
  論文  参考訳（メタデータ） (2024-08-03T05:34:53Z)
• Frequency-Aware Deepfake Detection: Improving Generalizability through Frequency Space Learning [81.98675881423131]
  この研究は、目に見えないディープフェイク画像を効果的に識別できるユニバーサルディープフェイク検出器を開発するという課題に対処する。 既存の周波数ベースのパラダイムは、偽造検出のためにGANパイプラインのアップサンプリング中に導入された周波数レベルのアーティファクトに依存している。 本稿では、周波数領域学習を中心にしたFreqNetと呼ばれる新しい周波数認識手法を導入し、ディープフェイク検出器の一般化性を高めることを目的とする。
  論文  参考訳（メタデータ） (2024-03-12T01:28:00Z)
• Frequency-Adaptive Pan-Sharpening with Mixture of Experts [22.28680499480492]
  パンシャーピングのための新しい周波数適応型エキスパート混合学習フレームワーク(FAME)を提案する。 本手法は他の最先端技術に対して最善を尽くし,現実のシーンに対して強力な一般化能力を有する。
  論文  参考訳（メタデータ） (2024-01-04T08:58:25Z)
• Frequency Perception Network for Camouflaged Object Detection [51.26386921922031]
  周波数領域のセマンティック階層によって駆動される新しい学習可能かつ分離可能な周波数知覚機構を提案する。 ネットワーク全体では、周波数誘導粗い局所化ステージと細部保存の微細局在化ステージを含む2段階モデルを採用している。 提案手法は,既存のモデルと比較して,3つのベンチマークデータセットにおいて競合性能を実現する。
  論文  参考訳（メタデータ） (2023-08-17T11:30:46Z)
• Masked Frequency Modeling for Self-Supervised Visual Pre-Training [102.89756957704138]
  MFM(Masked Frequency Modeling)は、視覚モデルの自己教師付き事前学習のための統合周波数領域に基づくアプローチである。 MFMはまず入力画像の周波数成分の一部をマスクアウトし、周波数スペクトルの欠落周波数を予測する。 MFMは初めて、ViTとCNNの両方で、単純な非シームフレームワークは、以下のものを使って意味のある表現を学習できることを示した。
  論文  参考訳（メタデータ） (2022-06-15T17:58:30Z)
• Adaptive Frequency Learning in Two-branch Face Forgery Detection [66.91715092251258]
  本稿では、AFDと呼ばれる2分岐検出フレームワークにおいて、周波数情報を適応的に学習する手法を提案する。 我々は、固定周波数変換からネットワークを解放し、データおよびタスク依存の変換層でより良いパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2022-03-27T14:25:52Z)

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。