分析形状与上下文对深度网络人脸识别性能的影响
计算机视觉与模式识别
2022-08-08 v1
摘要
在本文中，我们分析改变人脸图像中基础身份的底层3D形状如何扭曲其整体外观，尤其从深度人脸识别的视角出发。如流行的训练数据增强方案所做，我们用随机选取或最佳拟合的3D人脸模型图形化渲染真实与合成人脸图像，以生成基础身份的新视角。我们比较这些图像生成的深度特征，以评估这些渲染对原始身份引入的扰动。我们在不同面部偏航角度下执行此分析，基础身份在性别与种族上各异。此外，我们探究在这些渲染图像中添加某种形式的上下文与背景像素，当用作训练数据时，是否进一步提升人脸识别模型的下游性能。我们的实验证明了面部形状在准确人脸匹配中的重要性，并夯实了上下文数据用于网络训练的重要性。
引用
@article{arxiv.2208.02991,
title = {Analyzing the Impact of Shape & Context on the Face Recognition Performance of Deep Networks},
author = {Sandipan Banerjee and Walter Scheirer and Kevin Bowyer and Patrick Flynn},
journal= {arXiv preprint arXiv:2208.02991},
year = {2022}
}