论数据增强对头部姿态估计的威力
计算机视觉与模式识别
2024-10-17 v3
摘要
在过去的十年中，深度学习在从单目图像预测人类头部姿态方面取得了令人瞩目的成功。然而，对于野外输入，研究界主要依赖单一训练集300W-LP，该数据集是半合成的，且缺乏其他替代方案。本文专注于数据的逐步扩展和改进，以进一步探索通过增强和合成策略可实现的性能。在建模方面，提出了一种新颖的多任务头部/损失设计，其中包含不确定性估计。总体而言，由此获得的模型小巧、高效，适用于完整的6自由度姿态估计，并展现出极具竞争力的精度。
引用
@article{arxiv.2407.05357,
title = {On the power of data augmentation for head pose estimation},
author = {Michael Welter},
journal= {arXiv preprint arXiv:2407.05357},
year = {2024}
}
备注
CVPR version. Added evaluation on BIWI. Plenty of writing changes