BRULÈ：重心正则化的无监督关键点提取
计算机视觉与模式识别
2022-11-15 v3
摘要
图像特征的无监督检索对于许多缺乏或稀缺标注的计算机视觉任务至关重要。在本工作中，我们提出一种检测图像中关键点的新无监督方法，并在广为人知的人脸关键点提取任务上验证之。该方法基于将所需关键点自编码至潜空间、同时丢弃非必要信息（并有效保持可解释性）的思想。可解释的潜空间表示（仅含所需关键点的瓶颈层）通过一种新的两步正则化方法实现。第一步正则化评估从给定关键点集合到某平均值（Wasserstein 距离下的重心）的传输距离。第二步正则化通过对初始图像与编码关键点同步施加随机几何形变，控制偏离重心的程度。我们利用 300-W、CelebA 和 MAFL 数据集，在无监督与半监督训练场景下均展示了该方法的有效性。所提出的正则化范式被证明可防止过拟合，且检测质量超越最先进的人脸模型。
引用
@article{arxiv.2006.11643,
title = {BRUL\`E: Barycenter-Regularized Unsupervised Landmark Extraction},
author = {Iaroslav Bespalov and Nazar Buzun and Dmitry V. Dylov},
journal= {arXiv preprint arXiv:2006.11643},
year = {2022}
}
备注
10 main pages with 6 figures and 1 Table, 14 pages total with 6 supplementary figures. I.B. and N.B. contributed equally. D.V.D. is corresponding author