面向鲁棒人脸理解的三维辅助数据增强
计算机视觉与模式识别
2020-10-07 v2
摘要
数据增强在缩小数据差距和降低人工标注成本方面极为有效，尤其是对于难以且昂贵获取真值标签的任务。在人脸识别中，人脸图像的大姿态与光照变化是性能下降的关键因素。然而，在这些具有挑战性的场景下，包括人脸关键点定位、人脸属性分类和人脸识别在内的各种人脸理解任务的人工标注获取成本极高。因此，期望针对这些情况执行数据增强。但图像域上简单的二维数据增强技术无法满足这些挑战性情况的需求。因此，三维人脸建模，特别是单图像三维人脸建模，成为超越基于二维的数据增强、应对这些挑战性条件的可行方案。为此，我们提出一种方法，通过三维人脸建模从多个视角生成具有不同光照条件的逼真三维增强图像，每幅图像都关联几何精确的人脸关键点、属性和身份信息的标注。实验表明，所提出的三维数据增强方法显著提升了各种人脸理解任务的性能与鲁棒性，同时在多个基准上取得最先进结果。
引用
@article{arxiv.2010.01246,
title = {3D-Aided Data Augmentation for Robust Face Understanding},
author = {Yifan Xing and Yuanjun Xiong and Wei Xia},
journal= {arXiv preprint arXiv:2010.01246},
year = {2020}
}