要約
人間の頭部姿勢推定は、視線推定、顔合わせ、および3次元再構築において重要な役割を果たします。この技術は、人間から内在的なオイラー角（ヨー角、ピッチ角、ロール角）を計算します。従来のアプローチでは、顔のランドマークの精度に大きく依存しており、特に顔の可視性が良好でない場合、その性能が制限されます。本論文では、顔のランドマークを使用せずに推定を行うために、深層ネットワークで粗い回帰出力と細かい回帰出力を組み合わせました。角度に対してより多くの量子化単位を利用し、他の補助的な粗い単位の支援のもとで細かい分類器を訓練しました。最終的な予測を得るためには、回帰統合が採用されています。提案されたアプローチは3つの困難なベンチマークデータセットで評価され、AFLW2000およびBIWIでは最先端の結果を達成し、AFLWでも好ましい結果を示しました。本研究に使用したコードはGitHub上で公開されています。