Mar, 2024

潜在嵌入聚类算法用于鲁棒性遮挡下的头部姿态估计

PDF
TL;DR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。
发现论文，激发创造
  • 二维图像头部姿势估计的遮挡环境下的潜空间回归

    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

  • 基于部分潜变量线性回归混合的鲁棒性头部姿态估计

    提出了一种混合线性回归方法来进行头部姿态估计，通过使用未监督的流形学习技术和回归混合来映射面部边界框的高维特征向量，并对该算法的四个变体进行了充分的基准测试。

    Mar, 2016

  • 在显著头部姿势和遮挡下的强韧面部标记检测

    这篇论文提出了一种基于级联回归的面部特征点检测方法，能够在面部被遮挡和大幅度侧脸的情况下进行特征点检测，并结合了监督回归方法和遮挡情况加入约束，提高了检测的准确性。

    Sep, 2017

  • 窥探被遮挡关节：一种新的群体姿势估计框架

    研究提出了一种新的基于图像感知的渐进 GCN 模块，用于从推理角度估计不可见关节的姿态估计问题，并且通过提出一种新的带有 9k 个注释图像的 Occluded Pose (OCPose) 数据 集的 OPEC-Net 框架来解决在 occlusions 中的定位挑战。

    Mar, 2020

  • 多人三维人体姿态估计的明确遮挡推理

    我们开发了一种方法来明确建模隐藏关节推理过程以显着增强有或无遮挡的人体姿势估计，将任务分为两个子任务：可见关键点检测和遮挡关键点推理，并提出了深度监督编码器蒸馏和骨架引导人体形状拟合来训练我们的模型，实验证明从遮挡中明确学习可以提高人体姿势估计的性能。

    Jul, 2022

  • 遮挡人体姿态估计的全面框架

    本文提出了一个综合框架 DAG (Data, Attention, Graph)，用于解决因遮挡引起的性能降级问题。通过模拟遮挡场景，引入了掩蔽关节与实例粘贴数据增强技术；通过自适应判别注意力模块 (ADAM) 有效增强目标个体的特征；通过特征引导的多跳图卷积网络 (FGMP-GCN) 充分探索身体结构的先验知识，并提高姿势估计结果。通过在三个用于遮挡人体姿势估计的基准数据集上进行了广泛的实验，我们证明了所提出的方法优于现有的方法。代码和数据将公开提供。

    Dec, 2023

  • 利用潜在姿态描述进行神经头部再现

    提出了一种神经头部重演系统，该系统基于潜在姿态表示，可以预测前景分割并重建出更多个人的表情和动作。通过大量训练数据，该系统可以成功分解出姿态信息，达到跨人物模仿表情和动作的效果。

    Apr, 2020

  • 面部对齐，鲁棒姿态、表情和遮挡

    研究提出了一种基于鲁棒受限局部模型的集成，用于面部对齐，可以在存在显着遮挡和任何未知的姿势和表情的情况下实现。通过假设和测试搜索来评估 occlusion，结果表明在测试集中表现出一定的鲁棒性。

    Jul, 2017

  • 不需要关键点的细粒度头部姿态估计

    使用卷积神经网络从头部图像直接预测欧拉角度量（偏航角，俯仰角和横滚角），以代替传统的人头模型法进行姿态估计，并在常用数据集上取得了最优结果。

    Oct, 2017

  • 基于分割的 6D 物体姿态估计

    本文提出一种基于分割的 6D 姿态估计框架，使用关键点检测获取局部姿态预测，并根据置信度预测将这些姿态候选融合成可靠的 3D-to-2D 对应关系，从而在多个低纹理物体相互遮挡的情况下获得最优姿态估计，其采用简单且高效的架构实现实时性能。

    Dec, 2018