異なるデータ集合にまたがる類似性と多様性を活用してロバストな顔アラインメントに向けたATF【JST・京大機械翻訳】

Lan Xing; Hu Qinghao; Xiong Fangzhou; Leng Cong; Cheng Jian

文献

J-GLOBAL ID：202002265682955989 整理番号：20A2462583

異なるデータ集合にまたがる類似性と多様性を活用してロバストな顔アラインメントに向けたATF【JST・京大機械翻訳】

ATF Towards Robust Face Alignment via Leveraging Similarity and Diversity across Different Datasets

出版者サイト複写サービスで全文入手
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=20A2462583&from=J-GLOBAL&jstjournalNo=D0698C") }}

著者 (5件)： , , , ,
資料名：
号： MM ’20 ページ： 2140-2148 発行年： 2020年
JST資料番号： D0698C 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)

顔アラインメントはマルチメディアの分野において重要なタスクである。アルゴリズムの印象的な進歩とともに,様々なベンチマークデータセットが近年公開されている。直感的に,ターゲットランドマーク検出器でより高い性能を達成するために,異なるアノテーションで複数のラベル付きデータセットを統合することは意味がある。多くの努力が共同利用でなされてきたが,近年の3つの不足,例えば,追加計算,マークアップスキームの限界,および回帰法のための限られたサポートが残っている。上記の問題に取り組むために,著者らは,よりロバストな検出器のためにマルチメディアソースを通して類似性と多様性を利用する新規交互訓練フレームワーク(ATF)を提案した。本フレームワークは,主に2つのサブモジュール,すなわち,減少傾向(ATDP)と混合分岐損失(MATLABLMB)による交互訓練を含む。特に,ATDPは,それらの間の多様性を利用するために同時に複数のデータセットを列挙し,一方,数学LMBは,対応するデータセットの異なる分岐を制約するために類似のランドマーク対を利用する。種々のベンチマークに関する広範な実験は,このフレームワークの有効性を示し,ATFは熱マップベースネットワークと直接座標回帰の両方に対して実現可能である。特に,平均誤差は300WレバーグWFLWの実験で3.17に達し,最先端の方法よりも著しく優れていた。通常の畳み込みネットワーク(OCN)とHRNETの両方で,ATFは,最大9.96%の相対的改善を達成した。著者らのソースコードは,https://github.com/starhiking/ATFで公的に利用できる。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

著者キーワード (4件)： , , ,

パターン認識 , 人工知能

, , , , , , ,

前のページに戻る