用于遮挡鲁棒头部姿态估计的潜在嵌入聚类
计算机视觉与模式识别
2025-01-23 v1
摘要
头部姿态估计已成为计算机视觉中的一个关键研究领域，因为它在机器人、监控或驾驶员注意力监测等广泛应用中非常有用。该领域最困难的挑战之一是处理现实场景中经常发生的头部遮挡。本文提出了一种新颖且高效的框架，在现实头部遮挡场景中具有鲁棒性。具体来说，我们提出了一种无监督的潜在嵌入聚类，包含每个姿态角度的回归和分类组件。该模型通过聚类项优化遮挡和非遮挡图像的潜在特征表示，同时改进细粒度角度预测。在野外头部姿态基准数据集上的实验评估显示，与最先进方法相比具有竞争性能，并且具有显著数据缩减的优势。我们观察到在遮挡头部姿态估计方面有显著改进。此外，还进行了消融研究以确定聚类项在我们提出的框架中的影响。
引用
@article{arxiv.2403.20251,
title = {Latent Embedding Clustering for Occlusion Robust Head Pose Estimation},
author = {José Celestino and Manuel Marques and Jacinto C. Nascimento},
journal= {arXiv preprint arXiv:2403.20251},
year = {2025}
}
备注
Accepted at 18th IEEE International Conference on Automatic Face and Gesture Recognition (FG'24)