occlusion settings 하에서 잠재 공간 회귀를 통한 2D 이미지 머리 자세 추정

머리 방향 인식은 다양한 응용 분야를 가진 어려운 컴퓨터 비전 문제로, 광범위하게 연구되어 왔습니다. 그러나 현재 최신 시스템들은 가림이 있는 상황에서 여전히 성능이 부족하며, 이러한 시나리오에서 많은 작업 응용 프로그램에 대해 신뢰할 수 없습니다. 본 연구에서는 가림이 있는 상황에서 머리 자세 추정 문제를 해결하기 위한 새로운 딥 러닝 접근법을 제안합니다. 이 전략은 잠재 공간 회귀(Latent Space Regression)를 기반으로 하며, 이는 가림이 있는 시나리오에서 문제를 더 잘 구조화하는 핵심 요소입니다. 제안된 모델은 가림이 있는 HPE(Head Pose Estimation)에 대한 여러 최신 방법론들을 능가하며, 가림이 없는 시나리오에서도 유사한 정확도를 달성합니다. 우리는 다음과 같은 사례를 통해 제안된 접근법의 유용성을 입증합니다: (i) BIWI와 AFLW2000 데이터셋의 두 가지 합성적으로 가린 버전, (ii) Pandora 데이터셋의 실제 생활 가림, 그리고 (iii) 얼굴 가림이 자주 발생하는 인간-로봇 상호작용 시나리오에 대한 실제 응용 프로그램. 특히 로봇 팔을 이용한 자동 급식 과정입니다.