STAG-Net 轻量头部姿态估计新方法
热点事件持续更新
STAG-Net 轻量头部姿态估计新方法
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Asiri Gawesha Lindamulage 等作者提交论文，提出 STAG-Net——一种基于面部关键点组结构感知注意力的轻量头部姿态估计方法。作者称，该方法在所有对比的基于关键点方法中取得最低平均绝对误差。 其 FAN 变体在 BIWI 数据集有效检测帧上的跨数据集评估误差为 3.51°，受试者独立评估为 2.39°；回归器仅 0.012–0.043M 参数、24.1–83.6K FLOPs，比 FSA-Net 少约三个数量级。上述精度与轻量指标均为论文报告结果。
AI 根据报道生成 · 1 小时前更新
最新进展11月6日 13:00
STAG-Net：基于关键点组结构感知注意力的轻量头部姿态估计报道时间线
沿着报道，了解事件的不同侧面。
11月6日
- arXiv cs.AISTAG-Net：基于关键点组结构感知注意力的轻量头部姿态估计
STAG-Net 通过面部关键点组上的结构感知注意力实现轻量头部姿态估计，在所有对比的基于关键点方法中取得最低平均绝对误差。其 FAN 变体在 BIWI 有效检测帧上跨数据集评估误差为 3.51°、受试者独立评估为 2.39°，回归器仅 0.012-0.043M 参数、24.1-83.6K FLOPs，比 FSA-Net 少约三个数量级。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。