ECCVApr, 2020

基于拓扑自适应深度图学习的结构化地标检测

PDF
TL;DR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。
发现论文，激发创造
  • 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

  • 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

  • 通过注意力特征金字塔融合和回归投票实现颅面标志物检测

    本文通过提出基于注意力机制、特征金字塔融合和逐像素回归投票等的深度学习框架，在头影测量图像的解剖标志点自动定位方面显著提高了检测精度，并展示了其在不同设备上的泛化能力和稳定性。

    Aug, 2019

  • 面部融合攻击的最优地标引导图像混合

    我们提出了一种利用最优地标引导的图像融合进行人脸变形攻击的新方法，通过优化变形地标并使用图卷积网络（GCNs）结合地标和外观特征的方式，生成更高质量的变形图像，对最先进的人脸识别系统构成更大的威胁。

    Jan, 2024

  • 构造感知完全卷积神经网络的对抗学习用于地标定位

    通过结构感知的全卷积网络以及 GAN 的显式 / 隐式学习策略，该论文提出了一种解决单目图像中姿态估计问题的方法，并在 2D 和 3D 姿态估计以及人脸重要标识等相关任务上显著优于现有方法。

    Nov, 2017

  • 人脸关键点检测的基准焦点增强

    通过使用深度学习方法和图像增强技术，本文提出了一种有效的面部特征检测方法，采用 Siamese 架构和 Transformer + CNN 网络作为骨干结构，通过高级特征表示的集合学习来改善面部特征检测的性能。经过大量实验证明，该方法在各种基准数据集上优于多种最新方法。

    Feb, 2024

  • 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

  • 3D 照片的全自动标志地和面部分割

    使用基于深度学习的方法，该研究发展和评估了一种自动化头影测量标注方法。该方法在三维面部立体摄影中实现了自动的标注，能够精确和一致地标记关键点，可用于大数据集的定量分析，诊断，随访和虚拟手术规划。

    Sep, 2023

  • GoDP: 大范围优化的双通道系统用于野外人脸关键点定位

    提出了一种基于 Globally Optimized Dual-Pathway (GoDP) 深度架构的人脸定位方法，并通过多个人脸数据库的实验表明，该方法相比基于级联回归的方法更加优越。

    Apr, 2017

  • 语义对齐：寻找面部标志检测中语义一致的真实情况

    本文提出一种基于深度学习的新型概率模型，解决人脸关键点检测中存在的语义模糊问题，并提出了全局热力图校正单元进行精确定位，并通过图像和视频数据库的实验证明本文方法能够显著提高人脸关键点检测的精确性。

    Mar, 2019