通过分离实现聚合：利用半监督风格迁移提升人脸关键点检测器
计算机视觉与模式识别
2019-08-20 v1
摘要
人脸关键点检测，或称人脸对齐，是一项已被广泛研究的基础任务。本文探讨人脸关键点检测的新视角，并证明其可带来进一步的显著提升。鉴于任何人脸图像都可分解为捕捉光照、纹理和图像环境的风格空间，以及风格不变的结构空间，我们的核心思想是利用每个个体的解耦风格与形状空间，通过风格迁移扩充现有结构。借助这些扩充的合成样本，我们的半监督模型以较大优势优于全监督模型。大量实验在 WFLW、300W、COFW 和 AFLW 数据集上以最先进的结果验证了我们的想法的有效性。我们提出的结构具有通用性，可组装进任意人脸对齐框架。代码已公开于 https://github.com/thesouthfrog/stylealign。
引用
@article{arxiv.1908.06440,
title = {Aggregation via Separation: Boosting Facial Landmark Detector with Semi-Supervised Style Translation},
author = {Shengju Qian and Keqiang Sun and Wayne Wu and Chen Qian and Jiaya Jia},
journal= {arXiv preprint arXiv:1908.06440},
year = {2019}
}
备注
Accepted to ICCV 2019