基于三维可变形人脸模型的字典集成用于姿态不变协同表示分类
计算机视觉与模式识别
2016-11-28 v3
摘要
本文提出了一种利用三维可变形人脸模型(3DMM)的字典集成算法，用于姿态不变的协同表示人脸分类。为此，我们首先将3DMM拟合到字典中的二维人脸图像，以重建每幅图像的三维形状与纹理。利用这些三维人脸渲染出任意姿态变化的若干虚拟二维人脸图像，通过将原始样本与渲染的虚拟样本合并来创建扩展字典，从而扩充训练数据。其次，为降低扩展字典的信息冗余并提升基于协同表示分类(CRC)的重建系数向量的稀疏性，我们采用一种在线剔除方案，通过为给定查询识别最具代表性的训练样本来优化扩展字典。最终目标是在CRC框架下，利用所提字典集成方法与在线剪枝策略实现姿态不变人脸分类。在多个知名人脸数据集上的实验结果证明了所提方法的优越性，尤其是其对姿态变化的鲁棒性。
引用
@article{arxiv.1611.00284,
title = {Dictionary Integration using 3D Morphable Face Models for Pose-invariant Collaborative-representation-based Classification},
author = {Xiaoning Song and Zhen-Hua Feng and Guosheng Hu and Josef Kittler and William Christmas and Xiao-Jun Wu},
journal= {arXiv preprint arXiv:1611.00284},
year = {2016}
}