深度外观模型：一种用于人脸建模的深度玻尔兹曼机方法
计算机视觉与模式识别
2021-06-08 v3
摘要
通过合成进行分析的人脸图像方法，特别是主动外观模型（AAMs）方法，在过去二十年中已成为最成功的人脸建模方法之一。AAM模型能够通过使用可控参数化的主成分分析（PCA）模型进行合成来表示人脸图像。然而，AAM合成人脸的准确性和鲁棒性高度依赖于训练集，并固有地受限于PCA子空间的泛化能力。本文提出了一种新颖的深度外观模型（DAMs）方法，作为AAMs的有效替代方案，以在较大变化下精确捕获人脸图像的形状和纹理。在该方法中，使用深度玻尔兹曼机（DBM）对以层次化层表示的三个关键组件进行建模，以鲁棒地捕获面部形状和外观的变化。因此，DAMs在各种挑战性条件下推断新人脸图像的表示方面优于AAMs。所提出的方法在多种应用中进行了评估，以展示其鲁棒性和能力，例如面部超分辨率重建、面部偏角重建或面部正面化、面部遮挡去除以及年龄估计，使用了具有挑战性的人脸数据库，即野外标记面部部件（LFPW）、Helen和FG-NET。与AAMs及其他基于深度学习的方法相比，所提出的DAMs在这些应用中取得了有竞争力的结果，从而展示了它们在处理遮挡、面部表示和重建方面的优势。
引用
@article{arxiv.1607.06871,
title = {Deep Appearance Models: A Deep Boltzmann Machine Approach for Face Modeling},
author = {Chi Nhan Duong and Khoa Luu and Kha Gia Quach and Tien D. Bui},
journal= {arXiv preprint arXiv:1607.06871},
year = {2021}
}