自适应深度回归森林在考虑样本不平衡情况下的应用
本研究使用 CogVLM 的视觉定位能力，提出了一种新的框架来增强头部姿态估计任务，通过改进大语言模型中的灾难遗忘问题和引入 LoRA 层模型合并方法，有效提高头部姿态估计性能，并且在多个指标上优于现有方法。
Jun, 2024
通过利用大量未标记的野外头部图像，我们提出了第一个半监督的无约束头部姿势估计（SemiUHPE）方法，该方法可以应对多样性和复杂性较高的头部姿势领域，并使用动态熵过滤来自适应地去除未标记的异常值，并通过两种新的面向头部的强增强技术进一步提高了性能。
Apr, 2024
本文提出了一个新颖而高效的框架，通过无监督的潜在嵌入聚类与回归和分类组件来优化遮挡和非遮挡图像的潜在特征表示，并改善细粒度角度预测，在野外头部姿势数据集上得到了与最先进方法相当的竞争性能，并具有显著的数据减少优势。我们观察到遮挡头部姿势估计方面有显著改进，并进行了消融实验来验证我们提出的框架中聚类项的影响。
Mar, 2024
该论文通过对数据集、头部姿态估计算法和绘制例程的深入研究，提出了从提供的源代码推断坐标系、应用顺序和提取精确旋转矩阵和欧拉角的代码和算法，以及将姿态从一个旋转系统转换到另一个旋转系统的代码和算法，2D 旋转矩阵的新公式，以及旋转矩阵和姿态的正确绘制例程的推导和代码，并讨论了在维基百科和 SciPy 中定义右手坐标系旋转的可行性，从而使全方位头部姿态研究中的欧拉角提取更加容易。
Mar, 2024
通过引入可变形卷积和自适应学习，提出了一个对肺结节进行检测的改进方法，该方法注重难样本和数据集，在 LUNA16 数据集上的实验表明，该方法具有竞争性的性能。
Mar, 2024
使用鱼眼镜头进行头部姿态估计，提出了一种新的方法，通过图像中头部位置的知识来降低鱼眼畸变的负面影响，使用卷积神经网络从鱼眼图像直接估计头部姿态，无需校正或标定操作，实验证明与其他最先进的单阶段和双阶段方法相比，我们的网络显著提高了头部姿态估计的准确性。
Feb, 2024
在计算机视觉中，头部姿态估计是一个感兴趣的问题，旨在改善半正面或侧面设置下面部处理任务的性能。本文分析了短距离和长距离头部姿态估计的方法，并讨论了每种情况下适合的表示和度量标准。同时提出了一个量化训练和测试数据集之间不一致性的方法，并基于 CMU Panoptic 数据集提出了广域头部姿态估计基准。
Jan, 2024
使用人工神经网络建立了一个模块化系统，通过对分别裁剪的眼睛进行估计，利用人脸检测和头部姿势估计组件，无需特殊硬件或红外滤光片，仅使用内置 RGB 相机进行人眼注视估计，通过包含大量合成数据集在训练模型中，达到了比相关方法更高的准确度。
Nov, 2023
提出了一种新的深度学习方法，用于处理遮挡下的头部姿态估计问题，该方法通过潜在空间回归来更好地解决遮挡场景下的问题，实现了超越多种当前最先进遮挡下头部姿态估计方法的性能，并在非遮挡场景下达到了类似的准确度。
Nov, 2023