卷积点集表示：密集标注图像与三维人脸对齐之间的卷积桥梁
计算机视觉与模式识别
2018-04-04 v2 图形学
摘要
我们提出了一种从密集标注的人脸图像中估计面部姿态和形状信息的鲁棒方法。该方法依赖于卷积点集表示（Convolutional Point-set Representation, CPR），这是一种精心设计的矩阵表示，用于总结标注图像中检测点集所编码的不同层信息。CPR 解开了形状与不同姿态参数之间的依赖关系，并通过卷积神经网络和循环层以顺序方式实现不同参数的更新。在更新姿态参数时，我们沿着预测方向采样重投影误差，并基于重投影误差的模式更新参数。该技术提升了模型在挑战性场景下搜索局部极小值的能力。我们还证明了来自不同来源的标注可以在 CPR 框架下融合，并有助于超越当前三维人脸对齐的最先进解决方案。实验表明，当密集标注图像包含噪声和缺失值时（这在“自然”采集场景中很常见），所提出的 CPRFA（基于 CPR 的人脸对齐）显著提高了三维对齐精度。
引用
@article{arxiv.1803.06542,
title = {Convolutional Point-set Representation: A Convolutional Bridge Between a Densely Annotated Image and 3D Face Alignment},
author = {Yuhang Wu and Le Anh Vu Ha and Xiang Xu and Ioannis A. Kakadiaris},
journal= {arXiv preprint arXiv:1803.06542},
year = {2018}
}
备注
Preprint Submitted