解耦3D人脸形状特征以联合进行人脸重建与识别
计算机视觉与模式识别
2018-04-02 v1
摘要
本文提出了一种编码器-解码器网络，用于在从单张2D图像进行3D人脸重建时解耦形状特征，使得重建精确3D人脸形状和学习用于人脸识别的判别性形状特征这两项任务可以同时完成。与现有的3D人脸重建方法不同，我们提出的方法直接从单张2D图像回归密集3D人脸形状，并基于具有潜在表示的复合3D人脸形状模型，显式且分别地处理3D人脸形状中的身份和残差（即非身份）分量。我们为所提出的网络设计了一个训练过程，采用联合损失来衡量人脸识别误差和3D人脸形状重建误差。为了构建训练数据，我们开发了一种将3D可变形模型拟合到对象的多张2D图像的方法。在MICC、BU3DFE、LFW和YTF数据库上进行了全面实验。结果表明，我们的方法扩展了3DMM捕捉判别性形状特征和面部细节的能力，因此在3D人脸重建精度和人脸识别精度方面均优于现有方法。
引用
@article{arxiv.1803.11366,
title = {Disentangling Features in 3D Face Shapes for Joint Face Reconstruction and Recognition},
author = {Feng Liu and Ronghang Zhu and Dan Zeng and Qijun Zhao and Xiaoming Liu},
journal= {arXiv preprint arXiv:1803.11366},
year = {2018}
}
备注
CVPR 2018