HyperAIHyperAI

Command Palette

Search for a command to run...

مجموعة تجميعية خشنة إلى دقيقة مُعدّة بعمق لأشجار الانحدار لمحاذاة الوجه

Luis Baumela Jose M. Buenaposada Roberto Valle Antonio Valdes

الملخص

في هذه الورقة، نقدم DCFE، وهي طريقة لاسترجاع نقاط الملامح الوجهية في الزمن الفعلي تعتمد على تجميع متعدد لأشجار الانحدار (ERT) ذات هيكل من التفصيل الخشن إلى الدقيق. نستخدم شبكة عصبية تلافيفية بسيطة (CNN) لإنشاء خرائط احتمالية لمواقع نقاط الملامح. ثم يتم تحسين هذه الخرائط باستخدام مُعدّل ERT، والذي يتم تهيئته عن طريق مطابقة نموذج وجه ثلاثي الأبعاد مع خرائط نقاط الملامح. يمكّننا الهيكل التدريجي من الخشن إلى الدقيق في ERT من معالجة الانفجار التوافقي في تشوه الأجزاء. وباستخدام النموذج ثلاثي الأبعاد، نعالج أيضًا مشكلات رئيسية أخرى مثل تهيئة مُعدّل مقاوم، والانسداد الذاتي، وتحليل الوجه أمامي وجانبي في آن واحد. وفي التجارب، حقق DCFE أفضل نتيجة مُبلغ عنها في مجموعات بيانات AFLW وCOFW و300W الخاصة والعامة المشتركة.


بناء الذكاء الاصطناعي بالذكاء الاصطناعي

من الفكرة إلى الإطلاق — سرّع تطوير الذكاء الاصطناعي الخاص بك مع المساعدة البرمجية المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.

البرمجة التعاونية باستخدام الذكاء الاصطناعي
وحدات GPU جاهزة للعمل
أفضل الأسعار

HyperAI Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp
مجموعة تجميعية خشنة إلى دقيقة مُعدّة بعمق لأشجار الانحدار لمحاذاة الوجه | مستندات | HyperAI