bayesiantangentshapemodelforfacealignment(編輯修改稿)
2024-11-29 18:07 本頁面
【文章內(nèi)容簡介】 ? ??? ? ? ? ? ? ? ?? ? ? ? ? ? ? ???EM(2/3) ? 核心思想： –根據(jù)已有的數(shù)據(jù)來遞歸估計似然函數(shù)。 ? 給定一個樣本集 ，假定其中的一些特征丟失了，即 ， 表示丟失的特征。則這些不同的特征可以用兩個集合表示即 和 。 ? 似然函數(shù) 1{ , ..., }nD x x?{ , }k kg kbx x x? kbxgD bD11 1( 。 ) [ l n ( 。 ) | 。 ] ... l n ( | ) ( | 。 ) ...biiD g b gnnik k b k g b nbk kQ E p D D Dp x p x x dx x? ? ? ???? ?????????? ???EM(3/3) ? 算法 begin initialize do E步：計算 M步： until return end 0 , , 0Ti? ?1ii??( 。 )iQ ??1 a r g m a x ( 。 )iiQ?? ? ?? ?11( 。 ) ( 。 )i i i iQ Q T? ? ? ?????1? i???? Abstract ? 本文提出了一種基于切形狀估計的貝葉斯推斷方法，即 BTSM。 ? 相似變換系數(shù)與形狀參數(shù)均通過最大后驗估計獲得。 ? 切形狀的更新由兩個形狀向量的加權(quán)完成，即觀察形狀向量在切空間的投影以及由形狀參數(shù)通過 PCA重建所構(gòu)成的形狀向量。 ? 形狀參數(shù)通過乘上一噪聲變化比率進(jìn)行調(diào)整，這樣可將截斷函數(shù)轉(zhuǎn)換成連續(xù)函數(shù)。 Abstract 切空間 (1
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1