arXiv · cs.AI· Asiri Gawesha Lindamulage·· 21 小时前AI 评分24
STAG-Net：基于面部关键点组的结构感知注意力轻量头部姿态估计
STAG-Net: Structure-Aware Attention over Landmark Groups for Lightweight Head Pose Estimation
来源与原文
arXiv · cs.AI
作者：Asiri Gawesha Lindamulage
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2611.07828v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
STAG-Net 通过面部关键点组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。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。FaceMesh 流程在 Tesla T4 GPU 上达 322.9 FPS，约为最快图像基线 164.5 FPS 的近两倍，CPU 上为 111.0 FPS，完整训练在 28 分钟内完成。
来源：arXiv · cs.AI · arxiv.org
这条消息，你怎么看？
把新闻带到 MickerBook，和社区伙伴聊聊；也可以去 AIHER 看看模型背后的角色与梗。