用于无约束头部姿态估计的 6D 旋转表示
计算机视觉与模式识别
2022-11-08 v2 人工智能
机器学习
机器人学
摘要
本文提出一种无约束端到端头部姿态估计方法。我们通过为真实标注数据引入旋转矩阵形式化表述，解决了旋转标签歧义问题，并提出了一种连续的 6D 旋转矩阵表示以实现高效且鲁棒的直接回归。由此，我们的方法可学习完整的旋转外观，而此前方法为获得满意结果将姿态预测限制于窄角度范围内。此外，我们提出基于测地距离的损失函数，依据 SO(3) 流形几何对网络进行惩罚。在公开数据集 AFLW2000 和 BIWI 上的实验表明，我们所提方法以高达 20\% 的优势显著优于其他 SOTA 方法。我们开源了训练与测试代码及预训练模型：https://github.com/thohemp/6DRepNet。
引用
@article{arxiv.2202.12555,
title = {6D Rotation Representation For Unconstrained Head Pose Estimation},
author = {Thorsten Hempel and Ahmed A. Abdelrahman and Ayoub Al-Hamadi},
journal= {arXiv preprint arXiv:2202.12555},
year = {2022}
}
备注
ICIP 2022