用于联合面部动作单元检测与人脸对齐的深度自适应注意力方法
计算机视觉与模式识别
2018-11-20 v2
摘要
面部动作单元（AU）检测与人脸对齐是两项高度相关的任务，因为面部关键点可提供精确的 AU 位置，从而有助于提取有意义的局部特征用于 AU 检测。现有多数 AU 检测工作常将人脸对齐作为预处理并独立处理这两项任务。本文提出一种新颖的端到端深度学习框架，用于联合 AU 检测与人脸对齐，此前尚未有相关探索。具体而言，首先学习多尺度共享特征，并将人脸对齐的高层特征输入 AU 检测。此外，为提取精确局部特征，我们提出自适应注意力学习模块以自适应地细化各 AU 的注意力图。最后，将组装的局部特征与人脸对齐特征及全局特征整合用于 AU 检测。在 BP4D 与 DISFA 基准上的实验表明，我们的框架在 AU 检测上显著优于最先进方法。
引用
@article{arxiv.1803.05588,
title = {Deep Adaptive Attention for Joint Facial Action Unit Detection and Face Alignment},
author = {Zhiwen Shao and Zhilei Liu and Jianfei Cai and Lizhuang Ma},
journal= {arXiv preprint arXiv:1803.05588},
year = {2018}
}
备注
This paper has been accepted by ECCV 2018