Sequential mean field variational analysis of structured deformable shapes

Hua, Gang; Wu, Ying

doi:10.1016/j.cviu.2005.07.004

Cited by 9 publications

(2 citation statements)

References 31 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Pour les « objets déformables » en vision par ordinateur, le suivi de visages [85,86,[91][92][93] est un domaine particulière-ment actif. Les modèles les plus employés sont : les modèles actifs d'apparence 2D « Active Appearance Models » [94] et les « Morphable Models » 3D [95].…”

Section: Modélisation De L'objetunclassified

Analyse de mouvement : une revue

Laguitton

Toumoulin

2009

IRBM

View full text Add to dashboard Cite

Reçu le 21 décembre 2008 ; accepté le 22 décembre 2008 Disponible sur Internet le 5 février 2009Résumé L'analyse des séquences temporelles d'images a fait l'objet de nombreux travaux depuis plus de 20 ans. Elle permet d'accéder à des informations importantes sur les objets contenus dans les scènes observées que ce soit à des fins de détection, d'estimation, de suivi ou de reconnaissance. Elle conduit aussi à de nombreuses applications dans des domaines très divers allant de la télévision à la météorologie, de la robotique à la surveillance ou encore au médical. Cette importance reconnue et la diversité des problématiques qu'elle recouvre ont motivé cet état de l'art qui se positionne dans un cadre générique plutôt qu'applicatif de façon à donner aux lecteurs une vue d'ensemble. Après avoir introduit les éléments clés à considérer (objets, observations, objectifs), trois grandes familles de méthodes sont analysées et discutées : les approches différentielles, les techniques bayesiennes et les méthodes de mise en correspondance. Un dernier paragraphe s'attache à faire le lien avec l'imagerie médicale en soulignant les spécificités qu'elle recouvre. AbstractImage sequence analysis has been a major topic for years. It allows accessing important information on the objects of interest for detection, estimation, tracking and recognition tasks. Many applications are concerned from video to weather forecasting, robotics to in-door monitoring up to medicine. The place that it has today and the diversity of the problems to address have motivated this state-of-the-art. A generic approach has been adopted in order to provide a full view on the recent advances reported in the literature at the methodological level. After introducing the key elements to be considered (objects, observations, objectives), three main classes of methods are analysed and discussed: the differential approaches, the Bayesian techniques and the matching methods. A last section is focused on the links with medical imaging with the aim to emphasize the special features to deal with.

show abstract

Section: Modélisation De L'objetunclassified

Analyse de mouvement : une revue

Laguitton

Toumoulin

2009

IRBM

View full text Add to dashboard Cite

show abstract

“…The search is performed by locating the sub-parts and confirming an acceptable configuration. Methods include: pictorial structures [10]; star models [11]; Hierarchical Deformable Templates [12]; and probabilistic approaches [13,14]. Martinez [15] used a probabilistic approach and weighted abstract sub-parts of the face based on their involvement in the test expression.…”

Section: Introductionmentioning

confidence: 99%

Using Detailed Independent 3d Sub-Models to Improve Facial Feature Localisation and Pose Estimation

Caunce

Taylor

Cootes

2013

Int. J. Artif. Intell. Tools

View full text Add to dashboard Cite

We show that the results from searching 2D images or a video sequence, with a 3D head model can be improved by using detailed sub-models. These parts are initialised with the full model result and are allowed to search independently of that model, and of each other, using the same algorithm. The final results for the sub-models can be reported exactly, or optionally fed back into the full model to be constrained by its parameter space. In the case of a video sequence this can then be used in the initialisation of the next frame. We tested various data sets, constrained and unconstrained, including a variety of lighting conditions, poses, and expressions. Our investigation showed that using the sub-models improved on the original full model result on all but one of the data sets.

show abstract