用于三维人脸识别的无数据 pointwise 云网络

基于点云的网络在三维物体分类、分割及室内场景语义解析中已受到广泛关注。在人脸识别方面，直接以点云作为输入的的三维人脸识别方法仍在研究中。对此主要有两点原因：一是如何利用深度网络从三维点云中获取判别性人脸表征；二是缺乏大规模三维训练数据集。为解决这些问题，本文提出一种无数据的三维人脸识别方法，仅使用来自统计型三维可变形模型（3D Morphable Model）的合成非真实数据来训练深度点云网络。为缓解模型数据与真实人脸之间的分布不一致，在训练与测试阶段采用了不同的点采样方法。本文提出一种曲率感知点采样（curvature-aware point sampling, CPS）策略来替代原始的远点采样（furthest point sampling, FPS），以分层下采样对特征传递与聚合至关重要的特征敏感点。采用类 PointNet++ 的网络直接从点云中提取人脸特征。实验结果表明，在生成数据上训练的网络对真实三维人脸具有良好泛化能力。在包含不同姿态与表情真实人脸的 FRGCv2.0 与 Bosphorus 数据集的小部分上进行微调，进一步提升了识别精度。