融合 CNN 与 GCN 特征的三维密集人脸对齐
计算机视觉与模式识别
2022-03-10 v1
摘要
在本文中，我们提出一种新颖的多级聚合网络，以端到端方式从单张 2D 图像回归 3D 人脸的顶点坐标。这是通过无缝结合标准卷积神经网络（CNNs）与图卷积网络（GCNs）实现的。通过跨 CNN 和 GCN 的不同层和阶段迭代地、分层地融合特征，我们的方法可同时提供密集人脸对齐和 3D 人脸重建，以利于 3D 人脸网格的直接特征学习。在多个具有挑战性的数据集上的实验表明，我们的方法在 2D 和 3D 人脸对齐任务上均优于 SOTA 方法。
引用
@article{arxiv.2203.04643,
title = {3D Dense Face Alignment with Fused Features by Aggregating CNNs and GCNs},
author = {Yanda Meng and Xu Chen and Dongxu Gao and Yitian Zhao and Xiaoyun Yang and Yihong Qiao and Xiaowei Huang and Yalin Zheng},
journal= {arXiv preprint arXiv:2203.04643},
year = {2022}
}