骨骼不可能是三角形：通过协作纠错实现准确高效的脊椎关键点估计
计算机视觉与模式识别
2024-09-06 v1 人工智能
摘要
交互式关键点估计方法的最新进展在提高准确性的同时最大限度地减少了用户干预。然而，这些方法需要用户输入以进行错误纠正，这在脊椎关键点估计中代价高昂，因为不准确的关键点密集聚集或重叠。我们引入了一种新颖的方法 KeyBot，专门设计用于识别和纠正现有模型中显著且典型的错误，类似于用户的修订。通过表征典型错误类型并使用模拟错误进行训练，KeyBot 有效地纠正了这些错误并显著减少了用户工作量。在三个公开数据集上的全面定量和定性评估证实，KeyBot 显著优于现有方法，在交互式脊椎关键点估计中实现了 SOTA 性能。源代码和演示视频可在：https://ts-kim.github.io/KeyBot/ 获取。
引用
@article{arxiv.2409.03261,
title = {Bones Can't Be Triangles: Accurate and Efficient Vertebrae Keypoint Estimation through Collaborative Error Revision},
author = {Jinhee Kim and Taesung Kim and Jaegul Choo},
journal= {arXiv preprint arXiv:2409.03261},
year = {2024}
}
备注
33 pages, ECCV 2024, Project Page: https://ts-kim.github.io/KeyBot/