Über die Kraft der Datenverstärkung für die Schätzung von Kopfhaltungen

Tiefes Lernen hat in den letzten zehn Jahren beeindruckenden Erfolg bei der Vorhersage von Kopfhaltungen aus monoökularen Bildern erzielt. Dennoch basiert die Forschungsgemeinschaft bei Eingaben aus natürlichen Umgebungen hauptsächlich auf einem einzigen Trainingsdatensatz, dem semisynthetischen 300W-LP, ohne viele Alternativen. Diese Arbeit konzentriert sich auf die schrittweise Erweiterung und Verbesserung der Daten, um die durch Augmentation und Synthesestrategien erreichbare Leistung weiter zu erforschen. Modellierungstechnisch wird ein neuer Multitask-Ansatz vorgeschlagen, der Unsicherheitsschätzungen einschließt. Insgesamt sind die so erhaltenen Modelle klein, effizient, geeignet für die vollständige 6-fache Freiheitsgrad-Pose-Schätzung (6 DoF) und weisen eine sehr wettbewerbsfähige Genauigkeit auf.