用于改进大姿态人脸识别的 3D GAN
计算机视觉与模式识别
2021-04-01 v2
摘要
使用深度卷积神经网络的人脸识别依赖于大量人脸图像数据集的可用性。需要许多身份的样本，并且对于每个身份，需要大量不同的图像以使网络学习对类内变化的鲁棒性。在实践中，此类数据集难以获取，尤其是包含充足姿态变化的那些。生成对抗网络（GANs）因其生成逼真合成图像的能力，为此问题提供了潜在的解决方案。然而，近期研究表明，当前将姿态与身份解耦的方法尚不充分。在本工作中，我们将三维可变形模型纳入 GAN 的生成器中，以便从真实场景图像中学习非线性纹理模型。这允许生成新的合成身份，并在不损害身份的前提下操纵姿态、光照与表情。我们的合成数据用于增强人脸识别网络的训练，并在具有挑战性的 CFP 和 CPLFW 数据集上评估性能。
引用
@article{arxiv.2012.10545,
title = {A 3D GAN for Improved Large-pose Facial Recognition},
author = {Richard T. Marriott and Sami Romdhani and Liming Chen},
journal= {arXiv preprint arXiv:2012.10545},
year = {2021}
}
备注
To be presented at CVPR 2021