Cranio-ID：基于自动 2D 多视角 X 光骨面标志点注释的图形骨面识别
计算机视觉与模式识别
2025-11-19 v1
摘要
在法医骨面识别和许多生物医学应用中，骨量标志点至关重要。传统方法寻找标志点耗时且需要专业知识和专长。当前方法利用叠加和基于深度学习的自动标志点注释方法，但由于缺乏大规模验证研究，这些方法不可靠。本文提出了一种新框架 Cranio-ID：首先，使用我们训练的 YOLO-pose 模型对 2D 脑骨（即面部的 X 光扫描）及其相应光学图像进行自动标志点注释。其次，通过将这些标志点构建为图表示，然后利用跨注意力和最优传输框架在两个模态的图之间寻找语义对应关系进行跨模态匹配。我们的方法在 S2F 和 CUHK 数据集上进行了验证（CUHK 数据集类似于 S2F 数据集）。进行了大量实验以评估我们提出框架的性能，结果表明在可靠性和准确性方面均有显著提升，以及其在法医学中跨域脑骨到面和素描到面的匹配方面的有效性。
引用
@article{arxiv.2511.14411,
title = {Cranio-ID: Graph-Based Craniofacial Identification via Automatic Landmark Annotation in 2D Multi-View X-rays},
author = {Ravi Shankar Prasad and Nandani Sharma and Dinesh Singh},
journal= {arXiv preprint arXiv:2511.14411},
year = {2025}
}
备注
11 pages, 6 figures