深入探究高质量合成人脸遮挡分割数据集
计算机视觉与模式识别
2022-05-13 v1 机器学习
摘要
本文对遮挡感知人脸分割的数据集进行了全面分析，该任务对许多下游应用至关重要。此类数据集的采集与标注耗时耗力。尽管在合成数据生成方面已有一些努力，但数据的自然真实方面仍较少被探索。在我们的研究中，我们提出了两种遮挡生成技术：用于生成高质量自然真实合成遮挡人脸的自然主义遮挡生成（NatOcc）；以及一种更通用的合成遮挡数据生成方法——随机遮挡生成（RandOcc）。我们通过实验证明了这两种方法的有效性与鲁棒性，即便面对未见过的遮挡也是如此。为便于模型评估，我们提出了两个具有细粒度标注的高分辨率真实世界遮挡人脸数据集 RealOcc 和 RealOcc-Wild，分别具备精细的对齐预处理以及用于鲁棒性测试的野外环境设置。我们进一步在一个新引入的分割基准上进行了全面分析，为未来探索提供见解。
引用
@article{arxiv.2205.06218,
title = {Delving into High-Quality Synthetic Face Occlusion Segmentation Datasets},
author = {Kenny T. R. Voo and Liming Jiang and Chen Change Loy},
journal= {arXiv preprint arXiv:2205.06218},
year = {2022}
}
备注
CVPR 2022 Workshop on Vision Datasets Understanding. Code and Datasets: https://github.com/kennyvoo/face-occlusion-generation