ACE-Net：通过锚点与轮廓估计实现细粒度人脸对齐
计算机视觉与模式识别
2022-01-11 v2
摘要
我们提出一种新颖的人脸锚点与轮廓估计框架 ACE-Net，用于细粒度人脸对齐任务。ACE-Net 预测比传统人脸关键点更丰富的人脸锚点与轮廓，同时克服了其定义中的模糊性与不一致性。我们引入弱监督损失，使 ACE-Net 能从现有人脸关键点数据集学习而无需重新标注。相反，训练中使用可轻松获取 GT 轮廓的合成数据，以弥合关键点与真实人脸轮廓间的密度差距。我们以 HELEN 数据集（含 194 个标注人脸关键点）评估 ACE-Net 的人脸对齐精度，而其仅用来自 300-W 数据集的 68 或 36 个关键点训练。我们展示 ACE-Net 生成的轮廓优于由 68 个 GT 关键点直接插值所得轮廓，且 ACE-Net 也优于仅用基于 GT 关键点的轮廓全监督训练的模型。
引用
@article{arxiv.2012.01461,
title = {ACE-Net: Fine-Level Face Alignment through Anchors and Contours Estimation},
author = {Jihua Huang and Amir Tamrakar},
journal= {arXiv preprint arXiv:2012.01461},
year = {2022}
}