构建大规模人脸解析基准的高效框架
计算机视觉与模式识别
2019-05-14 v1
摘要
人脸解析旨在为人脸图像中每个像素分配语义标签，因巨大的应用潜力近来受到越来越多的关注。尽管许多人脸相关领域（如人脸识别与人脸检测）已被研究多年，现有人脸解析数据集在规模与质量上仍严重受限，例如广泛使用的Helen数据集仅含2,330张图像。这主要因为像素级标注成本高且耗时，尤其对于无清晰边界的面部部位。缺乏准确标注数据集成为人脸解析任务进展的主要障碍。利用密集人脸关键点引导解析标注是一条可行途径。然而，在人脸上标注密集关键点面临与解析标注相同的难题。为克服上述问题，本文开发了一种高效的人脸解析标注框架，通过两个连续模块大幅简化并加速解析标注。得益于该框架，我们构建了新的人脸解析基准：密集关键点引导人脸解析（LaPa）数据集。它包含22,000张在表情、姿态、遮挡等方面差异很大的 face 图像。每幅图像均提供11类像素级标签图及106点关键点坐标的准确标注。据我们所知，这是目前最大的人脸解析公开数据集。为充分利用LaPa数据集中丰富的脸形与边界先验，我们提出一种简洁而有效的边界敏感解析网络（BSPNet）。我们的网络作为所提LaPa数据集上的基线模型，同时无需额外人脸对齐即在Helen数据集上取得最先进性能。
引用
@article{arxiv.1905.04830,
title = {A High-Efficiency Framework for Constructing Large-Scale Face Parsing Benchmark},
author = {Yinglu Liu and Hailin Shi and Yue Si and Hao Shen and Xiaobo Wang and Tao Mei},
journal= {arXiv preprint arXiv:1905.04830},
year = {2019}
}