显著头部旋转下人脸对齐的高效分支级联回归
计算机视觉与模式识别
2016-11-11 v2
摘要
尽管近年来人脸对齐备受关注，但绝大多数工作集中于近正面人脸。算法通常在侧脸失效，或对于实时应用过慢。在本工作中，我们提出一种高效的人脸对齐方法，可使用2D训练数据以统一方式处理180度头部旋转（例如，不借助基于视角的模型）。我们方法的基础是级联形状回归(CSR)，其近来已成为主导策略。我们提出一种常规CSR的推广，称之为分支级联回归(BCR)。常规CSR是单轨的；即它们以直线方式从一个级联层级进展到下一层级，每个回归器试图拟合整个数据集。我们则在每个级联层级后将回归问题拆分为两个或更多更简单的问题。直观上，每个回归器随后可在更简单的目标函数上操作（即具有更少冲突的梯度方向）。在BCR框架内，我们使用结构化点分布模型(SPDM)同时建模并推断姿态相关关键点可见性与人脸形状。我们提出学习对关键点可见性自适应的任务特定特征映射函数，并且使用SPDM参数而非2D关键点坐标作为回归目标。此外，我们引入一个新的野外侧脸数据集以验证我们的方法。
引用
@article{arxiv.1611.01584,
title = {Efficient Branching Cascaded Regression for Face Alignment under Significant Head Rotation},
author = {Brandon M. Smith and Charles R. Dyer},
journal= {arXiv preprint arXiv:1611.01584},
year = {2016}
}