基于多尺度卷积神经网络的首部运动补偿研究
计算机视觉与模式识别
2018-07-11 v1
摘要
头部姿态估计与跟踪在多种医学应用中十分有用。随着 Kinect 等 RGBD 相机的出现，通过直接从点云估计头部姿态来实现无标记跟踪已成为可能。一个具体的医学应用是机器人辅助经颅磁刺激（TMS），其中任何患者运动都借助机器人进行补偿。为提高患者舒适度，无标记跟踪头部十分重要。对此，我们采用两种不同方法解决头部姿态估计问题。第一种方法中，我们基于更传统的基于模型的头部跟踪方法，将头部模型依据待跟踪的特定头部进行变形，并利用变形后的模型在点云流中跟踪头部。第二种方法中，我们提出一种新的多尺度卷积神经网络架构以进行更精确的姿态回归。此外，我们概述了使用安装于机器人上的头部体模并利用高精度跟踪系统生成真值标签的系统化数据集获取策略。
引用
@article{arxiv.1807.03651,
title = {Towards Head Motion Compensation Using Multi-Scale Convolutional Neural Networks},
author = {Omer Rajput and Nils Gessert and Martin Gromniak and Lars Matthäus and Alexander Schlaefer},
journal= {arXiv preprint arXiv:1807.03651},
year = {2018}
}
备注
Presented at CURAC 2018 conference