Facial images have different appear

Facial images have different appearance due to multiple factors such as variations across people, pose changes, lighting conditions and facial expressions. The Tensorfaces method [71] is proposed to model the variations of these factors by a multilinear framework. Tensors, which are higher-order extensions of matrices, allow us to construct multilinear models so as to analyze multiple factors of these facial variations. Lathauwer et al. [42] proposed Higher-Order Singular Value Decomposition (HOSVD) for tensor decomposition, which is an extension of Singular Value Decomposition (SVD) for matrix decomposition. Vasilescu et al. [71] introduced the idea of tensor decomposition into the area of computer vision and proposed Tensorfaces, a higher-order extension of the Eigenfaces method. By analyzing the tensor consisting of training images, the basis of each facial factor (expression, pose, etc.) in the training images can be obtained.

Kết quả (Việt) 1:

Hình ảnh trên khuôn mặt có các xuất hiện khác nhau do nhiều yếu tố, chẳng hạn như các biến thể trên người, gây ra những thay đổi, điều kiện ánh sáng và biểu hiện khuôn mặt. Phương pháp Tensorfaces [71] được đề xuất để mô hình biến thể của các yếu tố của một khuôn khổ multilinear. Vec, đó là cao hơn để tiện ích mở rộng của ma trận, cho phép chúng tôi xây dựng các mô hình multilinear để phân tích nhiều yếu tố của các biến thể trên khuôn mặt. Lathauwer et al. [42] đề cao thứ tự từ giá trị phân hủy (HOSVD) phân hủy tensor là một phần mở rộng của từ giá trị phân hủy (SVD) cho ma trận phân hủy. Vasilescu et al. [71] giới thiệu ý tưởng tensor tan rã vào khu vực của máy tính và đề xuất Tensorfaces, một phần mở rộng cao thứ tự của các phương pháp Eigenfaces. Bằng cách phân tích tensor bao gồm đào tạo hình ảnh, cơ sở của mỗi yếu tố mặt (biểu hiện, tư thế, vv) trong các hình ảnh đào tạo có thể được lấy.

Kết quả (Việt) 2:

Hình ảnh gương mặt có sự xuất hiện khác nhau do nhiều yếu tố như biến thể trên người, gây ra những thay đổi, điều kiện ánh sáng và nét mặt. Phương pháp Tensorfaces [71] được đề xuất để mô hình các biến thể của các yếu tố của một khuôn khổ đa tuyến. Tensor, đó là phần mở rộng của bậc cao của ma trận, cho phép chúng tôi để xây dựng mô hình đa tuyến để phân tích nhiều yếu tố của các biến thể trên khuôn mặt. Lathauwer et al. [42] đề xuất bậc cao Singular Value Decomposition (HOSVD) cho tensor phân hủy, mà là một phần mở rộng của Singular Value Decomposition (SVD) cho ma trận phân hủy. Vasilescu et al. [71] giới thiệu ý tưởng của tensor phân hủy thành các khu vực của tầm nhìn máy tính và Tensorfaces đề xuất, một phần mở rộng bậc cao của phương pháp Eigenfaces. Bằng cách phân tích tensor chứa đựng hình ảnh đào tạo, cơ sở của từng yếu tố trên khuôn mặt (biểu thức, đặt ra, vv) trong những hình ảnh đào tạo có thể thu được.