文献

J-GLOBAL ID：201802220821149567   整理番号：18A0137240

大姿勢顔ランドマーク検出のためのリカレント三次元-二次元二重学習【Powered by NICT】

Recurrent 3D-2D Dual Learning for Large-Pose Facial Landmark Detection

著者 (7件)： Xiao Shengtao ,  Feng Jiashi ,  Liu Luoqi ,  Nie Xuecheng ,  Wang Wei ,  Yan Shuicheng ,  Kassim Ashraf
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICCV  ページ： 1642-1651  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 顔解析技術の著しい進歩にもかかわらず,大きな姿勢面上のランドマーク検出は自己オクルージョン,微妙なランドマーク差と不完全な情報のために,まだ困難である。これらの困難な問題に対処するために,著者らは遮蔽されランドマークに関する推論確実,微妙なランドマーク変位を正確に捕らえると極端に大きな姿勢の存在下でもランドマークを正確に検出する選択的2Dに基づく3D顔モデルの精密化を行うと3Dから2D投影ベース2Dランドマーク微細化新しい再発3D-2D二重学習モデルを導入した。提案したモデルは,再発様式で3D-2D学習とその双対2D-3D微細化タスクから有益なフィードバックを効果的に利用しているという最初のループの閉じた学習フレームワークを提案した。これら二相互ブースティング段階からの恩恵を受けて,著者らの提案したモデルは,大きな姿勢(姿勢まで)への魅力的なロバスト性と既存の3Dモデルと比較して微細スケールランドマーク変位を捕捉する優れた能力を示した。は挑戦的なAFLWベンチマークに関する新しい最先端を達成した。さらに,著者らの提案したモデルは,中間特徴を利用する経済的にする新しい建築設計を紹介し,その深い学習ベース対応物よりも4倍速い速度を達成した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 学習モデル ,  *再帰性 ,  再発 ,  ロバスト性 ,  建築設計 ,  *三次元 ,  *二次元 ,  *学習 ,  ベンチマーク ,  オクルージョン ,  精密化 ,  モデル ,  三次元モデル
準シソーラス用語： 顔モデル ,  *ランドマーク , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 姿勢 ,  ランドマーク ,  リカレント ,  学習