17일 전

구조적 랜드마크 탐지: 토폴로지 적응형 딥 그래프 학습을 통한 접근

Weijian Li, Yuhang Lu, Kang Zheng, Haofu Liao, Chihung Lin, Jiebo Luo, Chi-Tung Cheng, Jing Xiao, Le Lu, Chang-Fu Kuo, Shun Miao
구조적 랜드마크 탐지: 토폴로지 적응형 딥 그래프 학습을 통한 접근
초록

이미지 랜드마크 탐지는 사전 정의된 고정점의 위치를 자동으로 식별하는 것을 목표로 한다. 최근 이 분야에서 많은 성과가 있었음에도 불구하고, 해부학적 랜드마크 간의 암묵적 또는 명시적 관계를 포착하기 위한 고차원 구조 모델링은 충분히 활용되지 못했다. 본 연구에서는 정확한 해부학적 얼굴 및 의료용 랜드마크(예: 손, 골반) 탐지를 위한 새로운 토폴로지 적응형 딥 그래프 학습 방법을 제안한다. 제안된 방법은 국소 이미지 특징과 전역 형태 특징을 모두 활용하여 그래프 신호를 구성한다. 적응형 그래프 토폴로지는 두 개의 그래프 컨볼루션 네트워크(GCNs)를 통해 엔드투엔드로 학습되는 작업 특화 구조를 자연스럽게 탐색하고 모델링한다. 제안된 방법은 세 가지 공개된 얼굴 이미지 데이터셋(WFLW, 300W, COFW-68)과 세 가지 실제 X선 의료 데이터셋(Cephalometric(공개), 손, 골반)에서 광범위한 실험을 수행하였다. 모든 연구 대상 데이터셋에서 기존 최고 성능 기법들과의 정량적 비교 결과, 본 방법은 정확성과 견고성 측면에서 우수한 성능을 보였다. 학습된 그래프 토폴로지의 정성적 시각화 결과는 랜드마크 뒤에 존재하는 물리적으로 타당한 연결 구조가 존재함을 보여주었다.