用于联合三维人脸识别与表情中性的解耦人脸身份表示
计算机视觉与模式识别
2021-04-22 v1
摘要
在本文中，我们提出一种基于深度学习的新方法，用于从富有表情的三维人脸中解耦人脸身份表示。给定一个三维人脸，我们的方法不仅提取解耦的身份表示，还在预测其身份的同时生成具有中性表情的真实三维人脸。所提出的网络由三个部分组成：(1) 一个图卷积自编码器（GCA）将三维人脸编码为潜在表示，(2) 一个生成对抗网络（GAN）将表情人脸的潜在表示转换为中性人脸的潜在表示，(3) 一个利用中性化潜在表示进行三维人脸识别的身份识别子网络。整个网络以端到端方式训练。在三个公开可用数据集上的实验显示了所提方法的有效性。
引用
@article{arxiv.2104.10273,
title = {Disentangled Face Identity Representations for joint 3D Face Recognition and Expression Neutralisation},
author = {Anis Kacem and Kseniya Cherenkova and Djamila Aouada},
journal= {arXiv preprint arXiv:2104.10273},
year = {2021}
}