跳到正文
arXiv · 机器人与计算机视觉· Emanuele Cardinale, Sara Moccia, Alessandro Cacciatore, Lucia Migliorelli·· 2026-10-06精选AI 评分78

面向可靠婴儿姿态估计:一种用于噪声标注检测的训练动力学方法

Toward Reliable Infant Pose Estimation: A Training-Dynamics Approach to Noisy Annotation Detection

AI 导读

针对早产儿无标记姿态估计中人工标注易含误差的问题,本文提出基于小损失假设和训练动态的噪声标注检测框架。该框架利用混合卷积注意力模型预测关键点类别,通过交叉熵训练动态生成描述符并聚类划分干净与噪声子集。在包含65名住院早产儿的NeoPose数据集及COCO基准上的实验表明,该方法在多种噪声场景下对噪声关键点的检出F1分数最高达91.9%,且过滤噪声标注后下游姿态估计精度提升显著。

推荐理由

提出基于训练动态的噪声标注检测框架,在新生儿姿态估计数据集上实现最高91.9%检出率,并验证了其对下游任务精度的提升。

来源:arXiv · 机器人与计算机视觉 · arxiv.org