May, 2023

基于 GPS 真实距离多点定位的即插即用人脸关键点检测

PDF
TL;DR该文介绍了一种基于 True-range Multilateration 算法的面部关键点检测框架 (KeyPoint Positioning System, KeyPosS)，该算法不仅能够准确地快速检测面部关键点，而且具有算力小、精度高等优点。
facial landmark detectionkeypoint positioning systemtrue-range multilateration algorithmdistance mapplug-and-play nature
发现论文，激发创造
  • 基于位置地图数据的轻量级 3D 密集人脸关键点估计模型

    通过未标定的 2D 图像在无监督的方式下重建 3D 面部，并针对稠密地标进行预测，该方法在模型大小和计算成本上优于现有方法，并在各种头部姿势和面部变化中展现了高效性。

    Aug, 2023

  • MarkerPose：精确立体位置估计的鲁棒实时平面目标跟踪

    该研究提出了 MarkerPose，一个基于三个圆形平面目标和立体视觉系统的强韧实时姿态估计系统，其包括用于 marker 点检测的像素级准确键点定位和分类的 SuperPoint 网络以及用于亚像素级准确键点检测的轻量级椭圆分割网络。该方法通过立体测量来估计 marker 的姿态，具有更高的精度和抗噪声性能，适用于需要高精度姿态估计的 3D 自由手超声系统中。

    May, 2021

  • 神经互动关键点检测

    该研究提出了一种名为 Click-Pose 的端到端神经交互式关键点检测框架，相比于仅使用手动标注，能够大大降低 2D 关键点注释的标注成本，并探索用户反馈如何与神经关键点检测器合作，在交互方式下更快、更有效地修正预测的关键点。

    Aug, 2023

  • 从语音生成说话脸部标记

    本文介绍了一个能够从声学语音中实时生成说话人脸关键点的系统，该系统使用一个 LSTM 网络进行训练并能够在不同说话人和话语上进行产生。

    Mar, 2018

  • 面部、面部特征点和头部姿态联合检测的实时多任务学习系统

    该论文提出了一个实时多任务检测系统，能同时执行面部、面部标志和头部姿势的联合检测，以处理大角度面部姿势挑战，并在多个数据集上验证了其实时性能和有效性。

    Sep, 2023

  • AnchorFace：大姿态下基于锚点的人脸特征点检测器

    提出一种基于分离和汇聚策略的面部标记定位方法，名为 AnchorFace，通过参考回归锚定模板和聚合结果降低面部姿态变化对结果的影响，在 AFLW、300W、Menpo 和 WFLW 数据集上取得了最先进的成果和高效的推理速度。

    Jul, 2020

  • 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

  • 通过发现锚点改善视觉重定位

    本文提出了一种基于深度学习的方法，通过视觉定位，使用锚点来预测场景的位置和摄像机方向或姿态（6 自由度），该方法使用统一定义的锚点并提出了一个深度学习架构，该架构预测场景中存在的最相关的锚点以及相对偏移量，并为该任务提出了一个多任务损失函数，无需基于真实位置信息评定，并在 CambridgeLandmarks 和 7 Scenes 上进行了实验以验证效果。与使用相同的特征提取器的先前最佳深度学习模型 Posenet（具有几何重投影损失）相比，我们的方法提升了室内和室外定位数据集中的中位误差，并在特定情况下，如街景中，将中位误差降低了 8m 以上。

    Nov, 2018

  • 重新审视面部关键点检测：使用深度神经网络的高效方法

    本研究旨在评估迁移学习模型，包括 MobileNetV2 和 NasNetMobile，以及自定义 CNN 体系结构，在模型大小、参数和推理时间方面开发高效的深度学习模型，并研究数据增强和微调对这些模型的影响。MobileNetV2 体系结构产生了最低的 RMSE 和推理时间，而以人工优化的 CNN 体系结构与 Auto Keras 调整的体系结构表现类似。

    May, 2022

  • MaskFace: 多任务人脸及关键点检测器

    本文介绍了一种名为 MaskFace 的高精度人脸和关键点检测模型，该模型通过多任务模型同时解决人脸检测和关键点定位问题，并在多个任务数据集上实现了良好的性能。

    May, 2020