Уважаемые коллеги, доброго времени суток! Представляем вам японское научное издание IPSJ Transactions on Computer Vision and Applications. Журнал имеет второй квартиль, издается в Information Processing Society of Japan, находится в открытом доступе, его SJR за 2020 г. равен 0,612, электронный ISSN - 1882-6695, предметная область Машинное зрение и распознавание образов. Вот так выглядит обложка:
Редактором является Хидео Сайто, контактные данные - hs@keio.jp.
Это рецензируемый журнал открытого доступа, издаваемый под брендом SpringerOpen. Он посвящен публикации высококачественных научных статей, обзоров и писем во всех областях фундаментального и прикладного компьютерного зрения и его приложений. В дополнение к традиционным основным предметным областям в области компьютерного зрения, журнал также охватывает широкий спектр исследований в области распознавания образов, включая, но не ограничиваясь этим, раннее зрение, структуры и представления данных, машинное обучение, сопоставление и распознавание. Материалы публикуются в открытом доступе со всего мира в рамках справедливого, строгого и быстрого процесса рецензирования под руководством международного редакционного совета выдающихся исследователей.
Адрес издания - https://ipsjcva.springeropen.com/
Пример статьи, название - 3D human pose estimation model using location-maps for distorted and disconnected images by a wearable omnidirectional camera. Заголовок (Abstract) - We address a 3D human pose estimation for equirectangular images taken by a wearable omnidirectional camera. The equirectangular image is distorted because the omnidirectional camera is attached closely in front of a person’s neck. Furthermore, some parts of the body are disconnected on the image; for instance, when a hand goes out to an edge of the image, the hand comes in from another edge. The distortion and disconnection of images make 3D pose estimation challenging. To overcome this difficulty, we introduce the location-maps method proposed by Mehta et al.; however, the method was used to estimate 3D human poses only for regular images without distortion and disconnection. We focus on a characteristic of the location-maps that can extend 2D joint locations to 3D positions with respect to 2D-3D consistency without considering kinematic model restrictions and optical properties. In addition, we collect a new dataset that is composed of equirectangular images and synchronized 3D joint positions for training and evaluation. We validate the location-maps’ capability to estimate 3D human poses for distorted and disconnected images. We propose a new location-maps-based model by replacing the backbone network with a state-of-the-art 2D human pose estimation model (HRNet). Our model is a simpler architecture than the reference model proposed by Mehta et al. Nevertheless, our model indicates better performance with respect to accuracy and computation complexity. Finally, we analyze the location-maps method from two perspectives: the map variance and the map scale. Therefore, some location-maps characteristics are revealed that (1) the map variance affects robustness to extend 2D joint locations to 3D positions for the 2D estimation error, and (2) the 3D position accuracy is related to the 2D locations relative accuracy to the map scale. Keywords: 3D pose estimation; location-maps; Omnidirectional camera; Equirectangular image; Distortion; Disconnection