WHet: Echtzeit-Schätzung feinabgestimmter Kopfhaltung über einen weiten Bereich

Wir präsentieren ein end-to-end-Netzwerk zur Kopfpose-Schätzung, das darauf ausgelegt ist, über den gesamten Bereich der Kopf-Yaw-Winkel aus einer einzigen RGB-Bildaufnahme Euler-Winkel vorherzusagen. Bestehende Methoden erzielen gute Ergebnisse für vordere Ansichten, doch wenige zielen auf die Kopfpose aus allen Blickrichtungen ab. Dieses Verfahren findet Anwendungen in autonomen Fahrzeugen und im Einzelhandel. Unser Netzwerk basiert auf Multi-Loss-Ansätzen, wobei die Verlustfunktionen und Trainingsstrategien speziell an die Schätzung über einen weiten Winkelbereich angepasst wurden. Zudem extrahieren wir erstmals Ground-Truth-Beschriftungen für vordere Ansichten aus einem aktuellen Panoptic-Datensatz. Das resultierende Wide Headpose Estimation Network (WHENet) ist die erste feinabgestimmte moderne Methode, die für den gesamten Bereich der Kopf-Yaw-Winkel (daher „wide“) anwendbar ist und gleichzeitig die Leistungsfähigkeit oder Übertrifft die Stand der Technik bei der Schätzung von vorderen Kopfposen. Unser Netzwerk ist kompakt und effizient, was es besonders für mobile Geräte und Anwendungen geeignet macht.