CVPROct, 2019

时装地标检测的布局图推理

PDF
TL;DR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。
dense landmarksclothes analysislayout-graph reasoningfashion landmark datasetsfine-grained fashion landmark dataset
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

  • 全局 - 局部嵌入式模块用于时尚关键点检测

    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.

    Aug, 2019

  • 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

  • 基于相似性金字塔的图推理网络对时尚检索

    该研究提出了一种新颖的基于相似性金字塔的图推理网络（GRNet）算法，通过多尺度的全局和局部表征学习查询和画廊衣服的相似性，以解决现有算法中将判别的局部信息淹没在全局表征中的不足，进而实现了服装图像在电子商务中的精准检索。

    Aug, 2019

  • 基于拓扑自适应深度图学习的结构化地标检测

    本文提出了一种新的深度图形学习方法来进行精准的解剖面和医学（如手、骨盆）标志物检测，该方法结合了局部图像特征和全局形状特征，基于两个图卷积网络（GCNs）学习任务特定的结构。该方法在公共人脸图像数据集和 X 射线医学数据集上的实验结果表明，在鲁棒性和准确性方面的表现都优于先前的最新方法。学习到的图形拓扑的质量可视化证明了标志物背后物理上合理的连接。

    Apr, 2020

  • 使用 Few-shot Deep Adaptive Graph 进行 X 射线图像的可伸缩半监督地标定位

    本文提出一种基于 few-shot DAG 的半监督扩展方法，使用带 SSL 机制的教师 - 学生训练模型，在局部匹配中使用 JS 散度法来规范中间特征图的一致性，该方法在盆骨、手和胸部的地标检测任务中评估，结果较之前方法有显著提升。

    Apr, 2021

  • 使用可学习图结构和自适应 AU 约束的几何图形表示方法用于微表情识别

    本文通过构建几何二流图网络、自学习机制和自适应动作单元损失函数，研究了人脸标志物对微表情识别的贡献。实验证明，本文提出的方法具有更高的效率和更低的计算成本，且人脸标志物对微表情识别有重要贡献，值得进一步研究高效的微表情分析。

    May, 2022

  • 通过地标和聚类对图进行层次化位置嵌入用于链接预测

    使用代表性节点（地标）的位置信息，通过选择高度中心性节点作为地标，提供节点位置的参考点。该方法被应用于实际网络中，结合地标选择和图聚类，实现在不同层级上利用节点的位置信息，取得了关于链接预测的最新成果。

    Feb, 2024

  • 随心再捕

    本研究提出了一种肖像重制方法，使用户能够轻松编辑其肖像以获得所需的姿势 / 视图、身体比例和服装样式，其中图形布局映射和语义感知外观转换被设计用于解决人体非刚性变形和语义感知编辑问题。

    Jun, 2020

  • 通过布局结构建模增强视觉丰富文档的理解

    我们提出了 GraphLayoutLM 模型，它利用布局结构图的建模将文档布局知识注入模型，使得模型能够理解文本元素的空间排列，以提高文档的理解能力，并在 FUNSD、XFUND 和 CORD 等基准测试中取得了最先进的结果。

    Aug, 2023