面向鲁棒且无约束全范围旋转的头姿态估计
计算机视觉与模式识别
2023-09-15 v1
摘要
估计人的头姿态是众多应用中的关键问题，但目前主要作为正面姿态预测的子任务来处理。我们提出了一种用于无约束端到端头姿态估计的新方法，以应对全范围朝向头姿态预测这一具有挑战性的任务。我们通过为真实数据引入旋转矩阵形式化表示，解决了旋转标签歧义的问题，并提出了一种连续的6D旋转矩阵表示以实现高效且鲁棒的直接回归。这使得能够高效学习全旋转外观，并克服当前最先进方法的局限性。结合提供完整头姿态旋转数据的新累积训练数据以及用于稳定学习的测地损失方法，我们设计了一个能够预测扩展头朝向范围的先进模型。在公开数据集上的广泛评估表明，我们的方法以高效且鲁棒的方式显著优于其他最先进方法，而其先进的预测范围使得应用领域得以拓展。我们开源了我们的训练和测试代码以及训练好的模型：https://github.com/thohemp/6DRepNet360。
引用
@article{arxiv.2309.07654,
title = {Towards Robust and Unconstrained Full Range of Rotation Head Pose Estimation},
author = {Thorsten Hempel and Ahmed A. Abdelrahman and Ayoub Al-Hamadi},
journal= {arXiv preprint arXiv:2309.07654},
year = {2023}
}