文献
J-GLOBAL ID:202202244327873472   整理番号:22A0977821

単眼神経顔深さ推定に向けて:過去,現在,未来【JST・京大機械翻訳】

Towards Monocular Neural Facial Depth Estimation: Past, Present, and Future
著者 (5件):
資料名:
巻: 10  ページ: 29589-29611  発行年: 2022年 
JST資料番号: W2422A  ISSN: 2169-3536  資料種別: 逐次刊行物 (A)
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:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
本論文では,単眼顔深さ推定問題に関する研究を行うために必要なすべての情報を含む。顔深さマップ研究に関する短い文献レビューと応用を最初に提供し,続いて公的に利用可能な顔深さデータセットと広く用いられている損失関数の包括的評価を行った。各顔深さマップデータセットの鍵となる特性と特性を記述し,評価した。さらに,顔深さマップ損失関数を簡潔に議論し,短範囲および長範囲深さマップの両方に対する様々なデータセット上で,神経顔深さモデルを訓練するのを容易にした。ネットワークの設計と構成要素は必須であるが,その効果は,それが訓練された方法によって主に決定され,大きなデータセットと適切な損失関数を必要とする。神経深度ネットワークがどのように働くか,そしてそれらの対応する評価行列の実装の詳細を示し,説明した。さらに,顔深さ推定のためのSoAニューラルモデルを,詳細な比較評価と共に提案し,それを用いて,顔深さ推定法の実行可能で直接比較を,利用した提案モデルのための基礎として役立たせる。採用したモデルは,4つのデータセットでテストしたとき,現在の最先端の方法と比較してより良い性能を示した。提案方法で使用される新しい損失関数は,ネットワークが顔領域を学習して正確な深さ予測をもたらすのを助ける。ネットワークを合成ヒト顔深さデータセット上で訓練し,一方,検証目的のために,合成顔画像を用いた。結果は,訓練されたネットワークが現在の最先端のネットワーク性能を凌駕し,その結果,顔の深さ推定のための新しいベースライン法を設定することを証明した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (1件):
分類
JSTが定めた文献の分類名称とコードです
パターン認識 
タイトルに関連する用語 (3件):
タイトルに関連する用語
J-GLOBALで独自に切り出した文献タイトルの用語をもとにしたキーワードです

前のページに戻る