CASIA OpenIR

浏览/检索结果: 共8条,第1-8条 帮助

限定条件    
已选(0)清除 条数/页:   排序方式:
Long-Term Head Pose Forecasting Conditioned on the Gaze-Guiding Prior 会议论文
, Online, June 19, 2021 - June 25, 2021
作者:  Shentong Mo;  Xin M(辛淼)
Adobe PDF(1840Kb)  |  收藏  |  浏览/下载:164/42  |  提交时间:2023/04/25
Head Pose  Forecasting  Gaze-Guiding Prior  Variational graph autoencoder  
OsGG-Net: One-step Graph Generation Network for Unbiased Head Pose Estimation 会议论文
, Chengdu, China, October 20, 2021 - October 24, 2021
作者:  Shentong Mo;  Xin M(辛淼)
Adobe PDF(1865Kb)  |  收藏  |  浏览/下载:54/15  |  提交时间:2023/04/25
Graph Generation  Unbiased Head Pose Estimation  
EVA-GCN: Head Pose Estimation Based on Graph Convolutional Networks 会议论文
, Online, June 19, 2021 - June 25, 2021
作者:  Xin M(辛淼);  Shentong Mo;  Yuanze Lin
Adobe PDF(2238Kb)  |  收藏  |  浏览/下载:99/16  |  提交时间:2023/04/24
Head pose estimation  Graph Convolutional Networks  
基于信息传递的人体姿态估计方法研究 学位论文
工学博士, 中国科学院自动化研究所: 中国科学院自动化研究所, 2021
作者:  周鲁
Adobe PDF(28429Kb)  |  收藏  |  浏览/下载:273/6  |  提交时间:2021/06/21
人体姿态估计  信息传递  姿态语法  空间变换  遮挡感知  
Audio-Visual Speech Separation with Visual Features Enhanced by Adversarial Training 会议论文
0, 线上会议, 2021-7-18
作者:  Zhang Peng;  Xu Jiaming;  Shi Jing;  Hao Yunzhe;  Qin Lei;  Xu Bo
Adobe PDF(1900Kb)  |  收藏  |  浏览/下载:236/62  |  提交时间:2021/06/21
audio-visual speech separation  robust  adversarial training method  time-domain approach  
基于结构信息利用的人脸及人体形状和姿态估计 学位论文
工学博士, 中国科学院自动化研究所: 中国科学院大学, 2021
作者:  张鸿文
Adobe PDF(44386Kb)  |  收藏  |  浏览/下载:265/14  |  提交时间:2021/06/20
形状和姿态估计  人脸关键点定位  人体模型重建  结构信息利用  
基于元学习的跨域人脸识别与三维人脸拟合 学位论文
, 中科院自动化研究所: 中国科学院大学, 2021
作者:  郭建珠
Adobe PDF(5361Kb)  |  收藏  |  浏览/下载:274/21  |  提交时间:2021/06/16
人脸识别  三维人脸模型  元学习  领域自适应  领域泛化  
Deep Audio-Visual Learning: A Survey 期刊论文
International Journal of Automation and Computing, 2021, 卷号: 18, 期号: 3, 页码: 351-376
作者:  Hao Zhu;  Man-Di Luo;  Rui Wang;  Ai-Hua Zheng;  Ran He
Adobe PDF(1864Kb)  |  收藏  |  浏览/下载:212/43  |  提交时间:2021/05/24
Deep audio-visual learning  audio-visual separation and localization  correspondence learning  generative models  representation learning