EasyPortrait——人脸解析与人像分割数据集

近来，视频会议应用通过实现实时背景移除与人脸美颜等基于计算机视觉的功能而变得实用。现有的人像分割与人脸解析数据集在头部姿态、种族、场景及视频会议特有遮挡等方面的有限多样性，促使我们为这些任务同时创建一个新数据集 EasyPortrait。它包含 40000 张主要为室内、复现视频会议场景的照片，涉及 13705 名唯一用户，并带有细粒度分割掩码，分为 9 类。其他数据集中不恰当的标注掩码促使我们修订标注者指南，使 EasyPortrait 能够处理如牙齿美白与皮肤平滑等情形。本文还提出了通过众包进行数据挖掘与高质量掩码标注的流水线。在消融实验中，我们证明了数据量及数据集中头部姿态多样性对模型有效学习的重要性。跨数据集评估实验证实了其在各人像分割数据集中最佳的域泛化能力。此外，我们展示了在 EasyPortrait 上训练分割模型的简便性，无需额外训练技巧。所提出的数据集与训练模型均已公开可用。