摘要

图像关键点检测旨在自动识别预定义解剖标志点的位置。尽管该领域近年来取得了显著进展，但对解剖关键点之间隐式或显式结构关系的高阶建模仍未得到充分挖掘。本文提出一种新型的拓扑自适应深度图学习方法，用于实现高精度的面部及医学图像（如手部、骨盆）关键点检测。所提出的方法通过融合局部图像特征与全局形状特征构建图信号，其自适应图拓扑结构能够自然地探索并捕捉任务特定的结构模式，该过程通过两个图卷积网络（GCNs）端到端联合学习完成。在三个公开的面部图像数据集（WFLW、300W 和 COFW-68）以及三个真实世界X射线医学数据集（头影测量图（公开）、手部和骨盆）上进行了大量实验。定量结果表明，与现有最先进方法相比，该方法在所有测试数据集上均展现出更优的鲁棒性与定位精度。对学习得到的图拓扑结构进行定性可视化分析，进一步验证了关键点之间具有符合解剖学物理意义的连接关系。