爱吧机器人网 » 技术 > 机器学习 > 正文

人工智能利用单眼强度图像进行面部深度图估计的对抗架构深度学习

人工智能利用单眼强度图像进行面部深度图估计的对抗架构(特约点评:利用单眼强度图像进行面部深度图估计的对抗架构对于生成对抗网络的研究指出了新的方向,这个创新点趣说人工智能必须推荐。来自网友大鹏的推荐!)

人工智能利用单眼强度图像进行面部深度图估计的对抗架构摘要:在本文中,提出了一种用单眼强度图像进行面部深度图估计的对抗架构。 通过遵循图像到图像的方法,我们结合了监督学习和对抗训练的优势,提出了一个有条件的生成对抗网络,有效地学习将强度人脸图像转换为相应的深度图。 两个公共数据集,即Biwi数据库和Pandora数据集,被用来证明所提出的模型生成高质量的合成深度图像,无论是在视觉外观和信息内容方面。 此外,我们证明该模型能够通过深度模型测试生成的深度图来预测独特的面部细节,深度模型是在真实的深度图上进行面部验证任务的训练。

人工智能利用单眼强度图像进行面部深度图估计的对抗架构深度学习

人工智能利用单眼强度图像进行面部深度图估计的对抗架构简介:深度估计是一项任务,在这个任务中,由于存在两个高质量的立体相机(即人眼)和一个特殊的学习工具(即人类大脑),人类会自然而然地获益。什么让人类在评估单个单眼图像的深度方面如此卓越以及这种学习过程如何发生?一个假设是,我们通过过去的视觉经验来开发教师来估计世界的三维结构,这包括与触觉刺激(对于小物体)和运动(对于更宽的空间)相关的大量观察结果)[43]。这个过程允许人类开发推测他们所看到的物体和场景的结构模型的能力,甚至可以从单眼图像中推断出来。

人工智能利用单眼强度图像进行面部深度图估计的对抗架构深度学习

尽管深度估计是一种自然的人类大脑活动,但由于不同的三维地图可能会生成相同的二维图像,因此该任务在计算机视图环境中是一个不适合的问题。此外,由于属于强度图像和深度图的极其不同的信息来源,纹理和形状数据分别在这两个域之间进行翻译是非常困难的。传统上,计算机视觉界广泛地以不同的方式解决了深度估计问题,如立体相机[16,40],运动结构[4,6],以及来自阴影和光扩散的深度[35,37]。所提及的方法遭受不同的问题,如深度均匀性和缺失值(导致深度图像中的空洞)。其他具有挑战性的元素与摄像机校准,设置和后处理步骤相关,这些步骤可能会耗费大量时间和计算成本。最近,由于深度神经网络的进步,研究团队已经从强度图像中研究了单一深度估计任务,以克服以前报告的问题。

人工智能利用单眼强度图像进行面部深度图估计的对抗架构贡献:本文提出了一个从人脸单眼强度图像生成深度图的框架。采用对抗方法[12,28]来有效地训练完全卷积自动编码器,该编码器能够根据相应的灰度级图像估计面部深度图。为了训练和测试所提出的方法,利用由大量成对深度和强度图像组成的两个公共数据集,即Pandora [3]和Biwi Kinect Head Pose [9]数据集。就我们所知,这是通过与全球深度场景估计不同的对抗性方法来尝试解决这一任务的最初尝试之一,它涉及小尺寸物体和充满细节的人脸:人脸。最后,我们研究如何有效地衡量系统的性能,引入各种按像素指标。此外,我们引入了一个人脸验证模型,对原始人脸深度图像进行训练,以检查生成的图像是否保持原始人物的面部特征,不仅在人类视觉检查时,而且在深度卷积网络处理时。

人工智能利用单眼强度图像进行面部深度图估计的对抗架构深度学习

人工智能利用单眼强度图像进行面部深度图估计的对抗架构深度学习结构:在本节中,我们提出了用于人脸强度图像深度估计的模型,详细描述了cGAN体系结构,其训练过程和采用的预处理人脸裁剪算法(第3.2节)。 该模型的实施遵循[12]中提出的指导方针。在Goodfellow等人的工作之后。 [12]和米尔扎等人。 [28],所提出的体系结构由一个生成网络tt和一个判别网络d tt对应于一个估计函数,该函数预测给定人脸灰度图像强度的深度图Igen = tt(Igray) 图像作为输入并估计相应的深度图。(目标韩函数包含对抗损失和mse损失)。

人工智能利用单眼强度图像进行面部深度图估计的对抗架构深度学习结论:在本文中,我们提出了一种从强度图像估计面部深度图的方法。 为了评估生成图像的质量,我们使用在原始深度图上预先训练好的Siamese网络执行人脸验证任务。 通过显示在生成的图像上进行测试时,连体网络的精度不会降低,我们证明了提供的框架可以生成高质量的深度图,无论是在视觉外观还是区分性信息方面。 我们还证明,提出的架构胜过自动编码器和文献竞争对手时,在训练对手政策。由于我们方法的灵活性,我们计划通过引入任务特定的损失来扩展我们的模型,并将其应用于不同的场景。


上一篇:深度学习的可解释性研究(一):让模型「说人话」
下一篇:人工智能算法--决策树(DT)
精选推荐
可编辑神经网络,有望简化深度学习?
可编辑神经网络,有望简化深度学习?

[2019-10-04]  深度学习是一个计算繁重的过程。 降低成本一直是 Data curation 的一大挑战。 关于深度学习神经网络大功耗的训练过程,已经有研究人员 ...

比利时研发出可以自我愈合伤口的软体机器人
比利时研发出可以自我愈合伤口的软体机器人

[2017-09-03]  软体机器人是机器人技术的新兴领域; 他们“可以与人类相互作用,而不会杀死他们,并拿起像西红柿这样柔软的物体。” 从长远来看,布鲁塞尔大学队伍正在努力创建一个类似的材......

机器人工程师具体都做什么?
机器人工程师具体都做什么?

[2017-12-08]  机器人工程师是幕后设计师,负责创建机器人和机器人系统,能够执行人类无法完成或不愿意完成的任务。 通过他们的创造,机器人工程师帮助工作更安全,更轻松,更高效,特别是......

智能机器人困惑的时候知道该问什么问题
智能机器人困惑的时候知道该问什么问题

[2017-03-20]   照片:Nick Dentamaro 布朗大学 上周,我们提到了麻省理工学院的一些研究,即通过链接人的大脑来帮助机器人在他们将要犯错误的时 ...

南加州大学机器人学家:机器人更适合粗暴的爱
南加州大学机器人学家:机器人更适合粗暴的爱

[2019-11-07]  图片来自JOHN MADERE GETTY IMAGES打是疼骂是爱,当人类粗暴的将物体从机器人手中敲掉,看似残忍,实际上却能帮助机器人找到最好的握持物 ...

受大脑控制的机器人
受大脑控制的机器人

[2017-03-21]   想让机器人做我们想做的,首先,他得全面地了解我们。通常,这就意味着人类需要要付出更多。比如,教机器人复杂的人类语言或者把一项任务 ...

智能农业:种地的事儿未来全交给这些机器人吧
智能农业:种地的事儿未来全交给这些机器人吧

[2019-12-07]  SRC公司创始人Sam与温波尔庄园农场经理Callum Weir以及监控机器人Tom总部位于英国的农业科技初创公司SRC(Small Robot Company),正在 ...

英伟达用联合学习创建医学影像AI 可共享数据和保护隐私
英伟达用联合学习创建医学影像AI 可共享数据和保护隐私

[2019-10-14]  英伟达(Nvidia)和伦敦国王学院(King’s College London)的人工智能研究人员利用联合学习训练了一种用于脑肿瘤分类的神经网络, ...

本周栏目热点

盘点全球十大最具影响力的机器人摇篮

[1970-01-01]    人工智能(AI)研究现正迅速发展,如无人驾驶汽车、计算机在《危险边缘》智力竞赛节目中获胜、数字私人助手Siri、GoogleNow和语音助手C ...

深度学习反向传播算法(BP)原理推导及代码实现

[2017-12-19]  分析了手写字数据集分类的原理,利用神经网络模型,编写了SGD算法的代码,分多个epochs,每个 epoch 又对 mini_batch 样本做多次迭代计算。这其中,非常重要的一个步骤,......

如何在机器学习项目中使用统计方法的示例

[2018-07-23]  事实上,机器学习预测建模项目必须通过统计学方法才能有效的进行。在本文中,我们将通过实例介绍一些在预测建模问题中起关键作用的统计学方法。...

[2017-08-28]  模拟退火(Simulated Annealing,简称SA)是一种通用概率算法,用来在一个大的搜寻空间内找寻命题的最优解。1、固体退火原理:将固体加温 ...

Machine Learning-感知器分类算法详解

[2018-05-31]  今天我们来讲解的内容是感知器分类算法,本文的结构如下:什么是感知器分类算法,在Python中实现感知器学习算法,在iris(鸢尾花)数据集上训练一个感知器模型,自适应线性神......