초록
사람의 머리 자세를 추정하는 것은 시선 추정, 주의 모델링, 비디오에 3D 모델을 맞춤화하고 얼굴 정렬을 수행하는 등 다양한 응용 분야를 가진 중요한 문제입니다. 전통적으로 머리 자세는 대상 얼굴에서 일부 특징점들을 추정하고 평균적인 인간 머리 모델과의 2D-3D 대응 문제를 해결하여 계산되었습니다. 그러나 우리는 이 방법이 랜드마크 검출 성능, 외부 머리 모델 및 임의로 설정된 맞춤화 단계에 완전히 의존하기 때문에 취약하다고 주장합니다. 본 연구에서는 300W-LP라는 대규모 합성 확장 데이터셋을 사용하여 이미지 강도로부터 직접 고유한 오일러 각(yaw, pitch, roll)을 예측하도록 다중 손실 컨벌루션 신경망을 훈련시키는 우아하고 견고한 방법을 제시합니다. 이 방법은 결합된 구간별 자세 분류와 회귀를 통해 작동합니다. 또한 일반적인 야외 자세 벤치마크 데이터셋에서 실증적 테스트를 수행하여 최신 기술 결과를 보여주었습니다. 더불어 깊이 정보를 사용하여 자세 추정에 주로 활용되는 데이터셋에서도 우리의 방법을 테스트하였으며, 최신 깊이 기반 자세 추정 방법들과의 차이를 줄이는 데 성공하였습니다. 우리는 훈련 및 테스트 코드를 오픈 소스로 공개하며 사전 훈련된 모델도 제공합니다.