FSA-Net: Learning Fine-Grained Structure Aggregation for Head Pose Estimation from a Single Image
本文来源于2019A类会议CVPR的论文FSA-Net，对其中一部分进行翻译
摘要：
本文提出了一种基于单个图像的头部姿态估计方法。以往的方法往往是通过landmark或depth估计来预测头部姿态，计算量大。我们的方法是基于回归和特征聚集。为了得到一个紧凑的模型，我们采用了soft stagewise regression方案。现有的特征聚集方法将输入视为一组特征，从而忽略它们在特征图中的空间关系（我觉得在这里可以使用胶囊模型）。我们建议在聚合之前学习空间分组特性的细粒度结构映射。细粒度结构（fine-grained structure）提供基于部件的信息和集合值。通过在空间位置上利用可学习和不可学习的重要性，可以生成不同的模型变量并形成互补的整体。实验表明，该方法既能实现无标志点方法，又能实现基于标志点或深度估计的无标志点方法。在只有一个RGB帧作为输入的情况下，我们的方法甚至优于利用多模态信息（RGB-D，RGB时间）估计横摆角的方法。此外，我们的模型的内存开销比以前的方法小100倍。
介绍：
头部姿态研究很重要，其他的不多说了。
单幅图像的头部姿态估计是一个具有挑战性的问题。头部姿态是一个包含偏航角、俯仰角和横滚角的三维矢量。从图像估计头部姿势基本上需要学习二维和三维空间之间的映射。有些方法使用更多的方式，如深度图像中的三维信息或视频序列中的时间信息。深度图像提供二维图像中缺失的三维信息。视频捕捉人类头部的连续运动，并提供额外信息以帮助姿势估计。然而，时间信息的学习通常是通过具有高计算成本的循环结构来实现的，而捕捉深度信息通常需要一些不总是可用的特殊摄像机。大多数单帧姿态估计方法都利用面部标志点检测来估计头部姿态。然
偏执的太偏执、
淩亂°似流年
灰太狼
还没有评论，来说两句吧...