基于潜在空间回归在遮挡条件下的2D图像头部姿态估计

头部朝向是一个具有广泛应用场景的计算机视觉难题，已受到广泛研究。然而，当前最先进的系统在存在遮挡的情况下仍表现不佳，在许多任务应用中不可靠。本文提出了一种新的深度学习方法，用于解决遮挡情况下的头部姿态估计问题。该策略基于潜在空间回归，这是在遮挡场景下更好地构建问题的关键。我们的模型在遮挡HPE（头部姿态估计）方面超越了多种最先进的方法，并且在非遮挡场景下达到了类似的精度。我们通过以下几点展示了所提方法的有效性：(i) 两个合成遮挡版本的BIWI和AFLW2000数据集；(ii) Pandora数据集中的真实遮挡情况；(iii) 一个实际应用案例，即在人类-机器人交互场景中经常出现面部遮挡的情况，具体为机械臂自主喂食的应用。