استغلال التغيرات داخل وخارج المجموعة البيانات لتحسين التموضع الوجهي الموثوق

يُعدّ التوجيه الوجهي موضوعًا بالغ الأهمية في مجتمع الرؤية الحاسوبية. وقد بُذلت جهود كبيرة وتم إصدار العديد من مجموعات البيانات القياسية خلال العقود الماضية. ومع ذلك، لا تزال هناك مشكلتان كبيرتان موجودتان في مجموعات البيانات الحديثة، وهما: التباين الداخلي للمجموعة (Intra-Dataset Variation) والتباين بين المجموعات (Inter-Dataset Variation). يشير التباين بين المجموعات إلى التحيز الناتج عن العبارات الوجهية، ووضع الرأس، وغيرها من العوامل داخل مجموعة بيانات معينة، في حين يشير التباين الداخلي للمجموعة إلى وجود تحيزات مختلفة بين مجموعات البيانات المختلفة. ولحل المشكلات المذكورة، قمنا بتطوير شبكة جديدة تُدعى الشبكة العميقة المستفيدة من التباين (DVLN)، والتي تتكون من شبكتين فرعيتين قويتين متداخلتين، وهما: الشبكة العابرة للمجموعات (DA-Net) والشبكة المُقرّرة للمرشحات (CD-Net). أظهرت التقييمات الواسعة أن منهجنا يحقق أداءً في الوقت الفعلي، ويفوق بشكل كبير الطرق الرائدة في مجالها على مجموعة بيانات 300-W الصعبة.