論文の概要: FAHCD-Net: Frequency-Adaptive Heatmap-Conditional Diffusion Networks for Robust Facial Landmark Detection

• arxiv url: http://arxiv.org/abs/2609.16842v1
• Date: Tue, 15 Sep 2026 08:36:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 14:56:08.417278
• Title: FAHCD-Net: Frequency-Adaptive Heatmap-Conditional Diffusion Networks for Robust Facial Landmark Detection
• Title（参考訳）: FAHCD-Net:ロバストな顔ランドマーク検出のための周波数適応型ヒートマップ型拡散ネットワーク
• Abstract要約: 周波数適応型熱マップ型拡散ネットワーク(FAHCD-Net)を提案する。 FAHCD-Netは、周波数適応型ヒートマップ・Conditional Diffusion(FAHCD)モデルを統合する。 一般的なベンチマーク実験では,提案手法の有効性とロバスト性を示す。
• 参考スコア（独自算出の注目度）: 4.9271715782923335
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Facial Landmark Detection(FLD) is a crucial task in various applications and has achieved significant advancements in recent years. However, current FLD methods still struggle under challenging conditions, where facial structural variations, information loss, and noise interference severely compromise the integrity and accuracy of learned facial features. To address these issues, we propose Frequency-Adaptive Heatmap-Conditional Diffusion Network (FAHCD-Net), which integrates a Frequency-Adaptive Heatmap-Conditional Diffusion (FAHCD) model with a Smoothness Regularization (SR) loss in a cascaded framework. Specifically, the FAHCD model incorporates a Hierarchical Frequency Adaptation (HFA) module designed to suppress redundant high-frequency noise through multi-layer frequency decomposition and adaptive reconstruction, thereby preserving essential facial structures. Additionally, the SR loss is proposed to further mitigate the interference of high-frequency noise and enhance the smoothness of the generated landmark heatmaps. By cascading the FAHCD model with the SR loss, FAHCD-Net effectively leverages both statistical and frequency-based distribution characteristics of the data to progressively generate more accurate landmark heatmaps from noisy inputs. Extensive experiments on popular benchmarks demonstrate the effectiveness and robustness of the proposed method, achieving state-of-the-art performance in FLD tasks under challenging scenarios. The source code is available at https://github.com/HJWKryptonite/FAHCD-Net.
• Abstract（参考訳）: 顔のランドマーク検出(FLD)は,様々な用途において重要な課題であり,近年大きな進歩を遂げている。 しかし、現在のFLD法は、顔の構造の変化、情報損失、ノイズの干渉が、学習した顔の特徴の完全性と正確さを著しく損なう、困難な状況下で依然として苦戦している。 これらの問題に対処するため,周波数適応型熱マップ・Conditional Diffusion Network (FAHCD-Net)を提案する。 具体的には、階層型周波数適応(HFA)モジュールを多層周波数分解と適応的再構成により冗長な高周波雑音を抑えるように設計し、必須の顔構造を保存する。 さらに、高周波ノイズの干渉を緩和し、生成したランドマーク熱マップの滑らかさを高めるためにSR損失を提案する。 FAHCDモデルをSR損失でカスケードすることにより、FAHCD-Netはデータの統計的および周波数に基づく分布特性を効果的に活用し、ノイズ入力からより正確なランドマークヒートマップを段階的に生成する。 一般的なベンチマーク実験では,提案手法の有効性とロバスト性を実証し,挑戦的なシナリオ下でのFLDタスクの最先端性能を実現する。 ソースコードはhttps://github.com/HJWKryptonite/FAHCD-Netで公開されている。

関連論文リスト

• FreqFLD: Towards All-in-One Facial Landmark Detection via Frequency Modulation [11.50805768130112]
  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。
  論文  参考訳（メタデータ） (2026-09-09T14:58:46Z)
• Class-frequency Guided Noise Schedule for Diffusion Models [83.19018650759415]
  まず,拡散モデルにおけるクラス周波数とマルチスケールノイズスケジュールの相関について検討する。 我々は,低周波クラスに大規模ノイズを付与すべきという知見を生かして,TextitClass- frequency Guided (CFRG)ノイズスケジュールを提案する。
  論文  参考訳（メタデータ） (2026-06-26T03:43:23Z)
• BandRouteNet: An Adaptive Band Routing Neural Network for EEG Artifact Removal [0.0]
  BandRouteNetは、EEG復調のための適応周波数対応ニューラルネットワークである。 バンド固有の処理とフルバンドコンテキストモデリングを利用する。 EEGDenoiseNetベンチマークデータセットに関する大規模な実験は、BandRouteNetが他のメソッドよりも優れていることを示している。
  論文  参考訳（メタデータ） (2026-04-27T12:54:31Z)
• Iterative Inference-time Scaling with Adaptive Frequency Steering for Image Super-Resolution [75.3690742776891]
  適応周波数ステアリング(IAFS)を用いた反復拡散推論時間スケーリングを提案する。 IAFSは、構造的偏差の反復的補正によって生成した画像を徐々に精細化することで、知覚品質と構造的忠実性のバランスをとるという課題に対処する。 実験の結果、IAFSは知覚と忠実性の対立を効果的に解決し、知覚の細部と構造的精度を一貫して改善し、既存の推論時間スケーリング手法よりも優れていた。
  論文  参考訳（メタデータ） (2025-12-29T15:09:20Z)
• UnwrapDiff: Conditional Diffusion for Robust InSAR Phase Unwrapping [4.164215196408102]
  本論文では,InSAR位相解放のための拡散確率モデル(DDPM)に基づくフレームワークUnwrapDiffを提案する。 実験により, 提案モデルでは, 騒音パターンの影響を低減しつつ, 予め条件付きモデルを用いていることがわかった。 ダイク侵入などの困難なケースでは、より良い復元品質を実現する。
  論文  参考訳（メタデータ） (2025-12-04T12:38:00Z)
• FAIM: Frequency-Aware Interactive Mamba for Time Series Classification [87.84511960413715]
  時系列分類(TSC)は、環境モニタリング、診断、姿勢認識など、多くの実世界の応用において重要である。 本稿では,周波数対応対話型マンバモデルであるFAIMを提案する。 FAIMは既存の最先端(SOTA)手法を一貫して上回り、精度と効率のトレードオフが優れていることを示す。
  論文  参考訳（メタデータ） (2025-11-26T08:36:33Z)
• Towards Frequency-Adaptive Learning for SAR Despeckling [10.764049665817629]
  分割・分散アーキテクチャに基づく周波数適応型ヘテロジニアスデスペクリングモデルを提案する。 ノイズ特性の異なるサブネットワークを設計し,周波数成分の異なるサブネットワークを設計する。 エッジやテクスチャに富んだ高周波サブバンドに対して,ノイズ抑制と機能強化のための変形可能な畳み込みを備えた拡張U-Netを導入する。
  論文  参考訳（メタデータ） (2025-11-08T07:08:22Z)
• Diffusion Models for Solving Inverse Problems via Posterior Sampling with Piecewise Guidance [52.705112811734566]
  断片的なガイダンススキームを用いて,逆問題を解決するための新しい拡散型フレームワークが導入された。 提案手法は問題に依存しず,様々な逆問題に容易に適応できる。 このフレームワークは, (4時間), (8時間) の超分解能タスクに対して, (23%), (24%) および (24%) の無作為マスクを塗布する場合の (25%) の推論時間を短縮する。
  論文  参考訳（メタデータ） (2025-07-22T19:35:14Z)
• FADPNet: Frequency-Aware Dual-Path Network for Face Super-Resolution [70.61549422952193]
  計算コストの制限による顔超解像(FSR)は未解決の問題である。 既存のアプローチでは、全ての顔のピクセルを等しく扱い、計算資源を最適以下に割り当てる。 本稿では、低周波成分と高周波成分に顔の特徴を分解する周波数対応デュアルパスネットワークであるFADPNetを提案する。
  論文  参考訳（メタデータ） (2025-06-17T02:33:42Z)
• UDHF2-Net: Uncertainty-diffusion-model-based High-Frequency TransFormer Network for Remotely Sensed Imagery Interpretation [17.289252835606533]
  不確実拡散モデルに基づく高周波トランスフォーマーネットワーク(UDHF2-Net)が最初に提案される。 UDHF2-Netは空間定常非定常高周波接続パラダイム(SHCP)である Mask-and-geo-knowledge-based uncertainty diffusion module (MUDM) は自己指導型学習戦略である。 周波数ワイド半擬似半擬似UDHF2-Netは、変更検出の精度と複雑さのバランスをとるために提案された最初のものである。
  論文  参考訳（メタデータ） (2024-06-23T15:03:35Z)
• You Only Train Once: A Unified Framework for Both Full-Reference and No-Reference Image Quality Assessment [45.62136459502005]
  本稿では,完全な参照 (FR) と非参照 (NR) IQA を行うネットワークを提案する。 まず、入力画像から多レベル特徴を抽出するためにエンコーダを用いる。 FRおよびNR入力のユニバーサルアダプタとして階層的注意(HA)モジュールを提案する。 エンコーダの浅い層と深い層との間の特徴相関を調べるために, セマンティック・ディストーション・アウェア (SDA) モジュールを提案する。
  論文  参考訳（メタデータ） (2023-10-14T11:03:04Z)
• DDS2M: Self-Supervised Denoising Diffusion Spatio-Spectral Model for Hyperspectral Image Restoration [103.79030498369319]
  ハイパースペクトル画像復元のための自己教師付き拡散モデルを提案する。 textttDDS2Mは、既存の拡散法と比較して、より強力な一般化能力を持っている。 HSIのノイズ除去、ノイズ除去、様々なHSIの超解像実験は、既存のタスク固有状態よりもtextttDDS2Mの方が優れていることを示した。
  論文  参考訳（メタデータ） (2023-03-12T14:57:04Z)
• HDNet: High-resolution Dual-domain Learning for Spectral Compressive Imaging [138.04956118993934]
  HSI再構成のための高分解能デュアルドメイン学習ネットワーク(HDNet)を提案する。 一方、高効率な特徴融合によるHR空間スペクトルアテンションモジュールは、連続的かつ微細な画素レベルの特徴を提供する。 一方、HSI再構成のために周波数領域学習(FDL)を導入し、周波数領域の差を狭める。
  論文  参考訳（メタデータ） (2022-03-04T06:37:45Z)

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。