用于鲁棒三维人脸对齐的双注意力 MobDenseNet（DAMDNet）
计算机视觉与模式识别
2019-09-02 v1
摘要
单目图像的三维人脸对齐是带伪装人脸识别中的关键步骤。由对齐辅助的三维人脸重建可恢复人脸结构，有助于检测伪装干扰。本文提出一种双注意力机制及高效的端到端三维人脸对齐框架。我们通过深度可分离卷积、稠密连接卷积和轻量级通道注意力机制构建了稳定的网络模型。为增强网络模型提取人脸区域空间特征的能力，我们采用空间分组特征增强模块来提升网络的表达能力。联合应用不同的损失函数以约束三维可变形模型（3DMM）的三维参数及其三维顶点。我们使用多种数据增强方法并生成大规模虚拟姿态人脸数据集以解决数据不平衡问题。在具有挑战性的 AFLW、AFLW2000-3D 数据集上的实验表明，我们的算法显著提升了三维人脸对齐的精度。我们使用野外（field）DFW 数据集的实验显示，DAMDNet 在具有挑战性的伪装人脸的三维对齐与重建中表现出优异性能。所提方法的模型参数量与复杂度也显著降低。代码已公开于 https://github.com/LeiJiangJNU/DAMDNet
引用
@article{arxiv.1908.11821,
title = {Dual Attention MobDenseNet(DAMDNet) for Robust 3D Face Alignment},
author = {Lei Jiang Xiao-Jun Wu Josef Kittler},
journal= {arXiv preprint arXiv:1908.11821},
year = {2019}
}
备注
10 pages