文献

J-GLOBAL ID：202202257089353329   整理番号：22A0895726

ロバストな顔アラインメントのための混合注意時間ガラスネットワーク【JST・京大機械翻訳】

Mixed attention hourglass network for robust face alignment

著者 (5件)： Yang Zou (School of Computer Science, Hubei University of Technology, Wuhan, China) ,  Shao Xiongkai (School of Computer Science, Hubei University of Technology, Wuhan, China) ,  Wan Jun (College of Computer Science and Software Engineering, Shenzhen University, Shenzhen, China) ,  Gao Rong (School of Computer Science, Hubei University of Technology, Wuhan, China) ,  Lai Zhihui (College of Computer Science and Software Engineering, Shenzhen University, Shenzhen, China)
資料名： International Journal of Machine Learning and Cybernetics  (International Journal of Machine Learning and Cybernetics)
巻： 13  号： 4  ページ： 869-881  発行年： 2022年 
JST資料番号： W4478A  ISSN： 1868-8071  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 制約のない顔アラインメントは,大きな姿勢,部分的オクルージョンおよび複雑な照明のため,依然として挑戦的な問題である。これらの問題に取り組むため,本論文では,特徴間の相関関係のモデリングにより,より識別的な表現を学習するための混合注意時間ガラスネットワーク(MAttHG)を提案した。特に,積層時間ガラスネットワークにおける異なるレベルの特徴から注意モジュールを統合することにより,MAttHGは豊富な文脈相関を捉えることができ,さらに局所特徴を結合して顔ランドマークの空間位置関係をよりよくモデル化できる。さらに,時間ガラスネットワークと注意モジュールを結合することによって,MAttHGは,ロバスト顔アラインメントのための顔形状制約を強化するために,全体的注意と局所的注意を効果的にモデル化することができた。さらに,頭部姿勢予測モジュールを設計し,訓練セットにおける各サンプルの重みを適応的に調整し,データ不均衡の問題に対処する損失関数を再定義した。挑戦的なベンチマークデータセットに関する実験結果は,最先端の顔アラインメント法に対する著者らのMAttHGの優位性を実証した。Copyright The Author(s), under exclusive licence to Springer-Verlag GmbH Germany, part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アラインメント ,  損失関数 ,  *顔 ,  画像特性 ,  ベンチマーク ,  *ロバスト性 ,  オクルージョン
準シソーラス用語： 不均衡 ,  位置関係 ,  ランドマーク ,  局所特徴 , 【Automatic Indexing@JST】

著者キーワード (4件)： 時間ガラスネットワーク ,  注意モジュール ,  顔の姿勢 ,  データ不均衡

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： ロバスト ,  顔 ,  アラインメント ,  注意 ,  ガラス