HyperAIHyperAI
منذ 3 أشهر

إعادة النظر في خطأ التكميم في التوجيه الوجهي

{Jian Cheng, Qinghao Hu, Xing Lan}
إعادة النظر في خطأ التكميم في التوجيه الوجهي
الملخص

في الآونة الأخيرة، أصبحت نماذج الانحدار الحراري (heatmap regression) هي الطريقة السائدة في تحديد نقاط الوجه. ولضمان التكلفة الحسابية المعقولة وتقليل استهلاك الذاكرة، يتضمن الإجراء الكامل تقليل حجم الصورة الأصلية إلى خريطة الحرارة الناتجة. ولكن ما مدى التأثير الناتج عن خطأ التكميم الناتج عن عملية التقليل؟ لم تُدرس هذه المسألة بشكل منهجي في الدراسات السابقة. تُغطي هذه الدراسة هذا الفراغ، ونحن أول من قام بتحليل كمي للعوائد السلبية الناتجة عن هذا الخطأ. تُظهر النتائج الإحصائية أن خطأ NME الناتج عن خطأ التكميم يتجاوز حتى ثلث القيمة الأفضل (SOTA)، مما يشكل عقبة جسيمة أمام تحقيق تقدم جديد في محاذاة الوجه. ولتخفيف تأثير تأثير التكميم، نقترح طريقة جديدة تُسمى "خريطة حرارية داخل خريطة حرارية" (Heatmap In Heatmap، اختصارًا HIH)، والتي تستخدم نوعين من خرائط الحرارة كتمثيل للوسم لتمثيل الإحداثيات. وفي هذه الطريقة، تمثل النطاق الخاص بإحدى خرائط الحرارة بكسلًا واحدًا من النوع الآخر من خرائط الحرارة. كما ندمج في هذا العمل محاذاة الوجه مع حلول من مجالات أخرى لإجراء مقارنات. تُظهر التجارب الواسعة على مجموعات بيانات متنوعة إمكانية تطبيق HIH، فضلًا عن أداء متفوق مقارنةً بالحلول الأخرى. علاوةً على ذلك، بلغ المتوسط في الخطأ 4.18 على مجموعة WFLW، وهو ما يتفوق بشكل كبير على القيم المتطورة الحالية (SOTA).