ICCVAug, 2019

全局 - 局部嵌入式模块用于时尚关键点检测

PDF
TL;DR本文介绍了一种基于全局 - 局部嵌入模块的时尚地标检测网络，能够考虑服装图像的全局和局部相关知识，其中包括非局部操作用于捕捉远距离依赖关系和接下来的卷积操作用于采用局部邻域关系。实验结果表明，该方法在时尚地标检测方面有着很好的能力，并且优于最先进的方法.
fashion landmarksclothing analysisglobal-local embedding modulenon-local operationbenchmark datasets
发现论文，激发创造
  • 野外时尚地标检测

    本文提出了一种时装关键点检测技术，结合卷积神经网络算法并使用时装关键点数据集，在时尚属性预测和服装检索等应用中证明了其有效性和较强的区分度。

    Aug, 2016

  • 层次循环转换器网络实现无限制时尚地标检测

    本研究针对传统依赖昂贵的边框注释来减少不确定性的困境，提出了 Deep LAndmark Network (DLAN)，通过联合估计边框和关键点，有效解决了服装标记点检测的问题。在大规模的无限制服装里程碑数据库（ULD）上测试表明，DLAN 对不同类型的服装和模式的泛化表现极佳，非常适用于真实世界的时尚分析。

    Aug, 2017

  • 时装地标检测的布局图推理

    本文提出了一种基于多层次的布局图推理层的方法，通过在中间表示中 na 无缝执行结构布局关系来检测多样化服装的密集关键点。实验结果表明，该模型具有优越性能，并贡献出了第一个细粒度的时尚标志物数据集以支持更全面的衣服生成和属性识别。

    Oct, 2019

  • 分解空间嵌入实现物体标志无监督学习

    本文提出了一种使用深度神经网络在无监督条件下发现和学习物体类别中的标志的新方法，从而表征它们的结构。我们还展示了这种学习出的标志建立了不同对象实例之间的有意义的对应关系，并可以与高精度回归手动注释的标志。

    May, 2017

  • 基于条件脸部变形的通用化人脸标定

    通过使用标记的真实人脸和未标记的风格化人脸，我们提出了一个简单但有效的方法来学习具有普适性的人脸关键点定位器，该方法通过条件人脸变形器的关键模块来学习人脸关键点定位器，从而为对应的风格化人脸图像提供高质量的伪关键点，从而实现了在人脸关键点定位任务中优于现有最先进领域适应方法的普适性人脸关键点定位器。

    Apr, 2024

  • 用于野外环境下的人脸关键点鲁棒定位的人脸检测、边界框聚合和姿态估计

    提出一种框架，包括四个阶段：脸部检测，边界框聚合，姿态估计和特征点定位。实验结果表明，该框架在人脸检测和特征点定位方面优于其他先进算法。

    May, 2017

  • DeepFashion2：服装图像检测、姿态估计、分割和再识别的通用基准

    DeepFashion2 是一个多任务的数据集和基准，旨在为四个任务提供衣服检测，姿势估计，分割和检索，“Match R-CNN” 是解决这四个任务的强有力基线。

    Jan, 2019

  • 面部特征点检测的深度结构预测

    本文提出了一种深度结构化面部标记检测方法，该方法使用深度卷积网络和条件随机场相结合，能够在面部标记检测上取得比现有技术更卓越的性能，特别是在包含大姿态和遮挡等具有挑战性的数据集上具备更好的泛化性能。

    Oct, 2020

  • 应用基于关键点引导的生成对抗网络进行面部表情翻译

    本文提出利用面部标志信息的地标引导生成对抗网络（LandmarkGAN）, 用于使用单张图像进行面部表情转换，实现了在同样只有一张图像的情况下，比现有的基于关键点指导法更好地实现了面部表情之间的转换。

    Sep, 2022

  • 基于数据驱动和模型驱动的面部关键点鲁棒检测

    本文介绍了一种结合数据和模型的方法来完成面部关键点的检测，即先利用全卷积网络（Fully Convolutional Network, FCN）来生成脸部所有关键点的响应图，再利用 Point Distribution Model（PDM）生成初始面部形状，最后使用加权变体的正则化关键点均值漂移（RLMS）来微调面部形状，实验表明本文提出的方法在面部表情、头部姿态和部分遮挡等挑战性数据集上都能够取得最好的表现。

    Nov, 2016