提出轻量级头部姿态估计模型STAG-Net
热点事件持续更新
提出轻量级头部姿态估计模型STAG-Net
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Asiri Gawesha Lindamulage 等研究者在 arXiv 发布论文，提出轻量级头部姿态估计方法 STAG-Net：从面部关键点出发，通过基于关键点组的结构感知注意力估计头部姿态。在 300W-LP、AFLW2000 和 BIWI 数据集的跨数据集与受试者独立评测中，该方法称在所有设置下误差均为对比的关键点类方法中最低。 模型规模很小：回归器仅用 0.012 至 0.043 百万参数和 2.41 万至 8.36 万 FLOPs，比 FSA-Net 约少三个数量级。论文称其 FaceMesh 流水线在 Tesla T4 GPU 上达到 322.9 帧/秒，约为所测最快图像类基线（164.5 帧/秒）的两倍，CPU 上为 111.0 帧/秒。
AI 根据报道生成 · 2 小时前更新
最新进展11月6日 13:00
STAG-Net：基于关键点组的结构感知注意力实现轻量级头部姿态估计报道时间线
沿着报道，了解事件的不同侧面。
11月6日
- arXiv cs.AISTAG-Net：基于关键点组的结构感知注意力实现轻量级头部姿态估计
研究者提出 STAG-Net，一种基于面部关键点组的结构感知注意力轻量级头部姿态估计方法，在 300W-LP、AFLW2000 和 BIWI 的跨数据集与受试者独立评测中，所有设置下误差均为关键点类方法最低。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。