用于人脸关键点检测与跟踪的注意力一维热图回归
计算机视觉与模式识别
2020-08-28 v7
摘要
尽管热图回归被视为定位人脸关键点的先进方法，但其存在巨大空间复杂度且易受热化误差影响。为此，我们提出一种新颖的注意力一维热图回归方法用于人脸关键点定位。首先，我们预测两组一维热图以表示 x 与 y 坐标的边际分布。与当前使用二维热图表示 x 和 y 坐标联合分布的热图回归方法相比，这些一维热图显著降低了空间复杂度。凭借更低的空间复杂度，所提方法可在有限 GPU 内存下输出高分辨率一维热图，显著缓解量化误差。其次，采用共注意力机制对 x 与 y 坐标中固有的空间模式建模，从而也捕获了 x 和 y 轴上的联合分布。第三，基于一维热图结构，我们提出一种捕获空间模式的人脸关键点检测器用于图像上的关键点检测；以及一种通过时间细化机制进一步捕获时间模式的跟踪器用于关键点跟踪。在四个基准数据库上的实验结果证明了我们方法的优越性。
引用
@article{arxiv.2004.02108,
title = {Attentive One-Dimensional Heatmap Regression for Facial Landmark Detection and Tracking},
author = {Shi Yin and Shangfei Wang and Xiaoping Chen and Enhong Chen},
journal= {arXiv preprint arXiv:2004.02108},
year = {2020}
}