文献

J-GLOBAL ID：201702233599181665   整理番号：17A0368838

制約付き局所モデルあてはめのための局所部分空間平滑性整列【Powered by NICT】

Local subspace smoothness alignment for constrained local model fitting

著者 (4件)： Liu Dakun (College of Computer Science & Technology, Nanjing University of Aeronautics and Astronautics, Nanjing 210016, PR China) ,  Liu Dakun (Collaborative Innovation Center of Novel Software Technology and Industrialization, Nanjing 210016, PR China) ,  Tan Xiaoyang (College of Computer Science & Technology, Nanjing University of Aeronautics and Astronautics, Nanjing 210016, PR China) ,  Tan Xiaoyang (Collaborative Innovation Center of Novel Software Technology and Industrialization, Nanjing 210016, PR China)
資料名： Neurocomputing  (Neurocomputing)
巻： 214  ページ： 785-795  発行年： 2016年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 制約付き局所モデル(CLM)は顔ランドマーク推定のための古典的方法である。CLMは,識別局所外見モデルと良く知られたアクティブ形状モデルを増強するが,その形状モデルは,点分布モデル,本質的に訓練顔形状ベクトル上の主成分分析に基づいている,顔形状の非線形多様体はよく取り込まれない。本論文では,この問題を解決するために,即ち,局所部分空間平滑アラインメント(LSSA),新しい多様体学習法を提案した。LSSAアプローチは元の特徴空間における直接非線形構造を平滑化し,局所構造の曲率のために新たに規定された幾何学的測度を用いた。顔アラインメントのためのこの方法を適用し,LSSAから誘導した相関局所部分空間の集合に進行した。提案した方法は,合理的な多様体埋め込みをもたらすことを玩具データと実世界データセットの両者で実証し,難しい条件の下でさえ,顔アラインメントのための有望な性能をもたらした。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 曲率 ,  主成分分析 ,  測度 ,  多様体 ,  平滑化 ,  *平滑度 ,  ベクトル ,  *制約条件
準シソーラス用語： 局所構造 ,  特徴空間 ,  多様体学習 ,  形状モデル ,  ランドマーク ,  *部分空間 ,  *モデルあてはめ , 【Automatic Indexing@JST】

著者キーワード (4件)： 顔ランドマーク推定 ,  制約付き局所モデル ,  多様体学習 ,  スパース表現

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 制約 ,  モデルあてはめ ,  部分空間 ,  平滑性 ,  整列