⏶2
Doodle Your Keypoints：基于草图的少样本关键点检测
发表
由 
Subhajit Maity 提交
Subhajit Maity 提交作者: Subhajit Maity, Ayan Kumar Bhunia, Subhadeep Koley, Pinaki Nath Chowdhury, Aneeshan Sain, Yi-Zhe Song
Subhajit Maity, Ayan Kumar Bhunia, Subhadeep Koley, Pinaki Nath Chowdhury, Aneeshan Sain, Yi-Zhe Song摘要
关键点检测是现代机器感知的核心部分，但在少样本学习方面面临挑战，尤其是在无法获取与查询同分布的源数据时。我们利用草图这种流行的人类表达形式来解决这一问题，提供了一种无源的替代方案。然而，掌握跨模态嵌入和处理用户特定的草图风格带来了新的挑战。我们提出的框架通过一个原型网络设置，结合基于网格的定位器和原型域自适应，克服了这些障碍。我们还通过大量实验证明，该方法在新的关键点和类别上成功实现了少样本收敛。
关键点检测是现代机器感知的一个基本要素，在小样本（few-shot）场景下变得极具挑战性。虽然小样本关键点学习在类内场景中很常见，但适应不同类别图像上新关键点的策略却很稀缺。这项工作将这一挑战提升到了一个新的高度。它建立了一个跨模态框架，采用无源（source-free）策略，利用草图数据作为支持来检测照片上的关键点，而无需访问原始的图像训练数据。