大姿态下的人脸对齐：一种三维解决方案

人脸对齐通过将人脸模型拟合到图像并提取面部像素的语义信息，一直是计算机视觉社区的重要课题。然而，大多数算法针对中小姿态（45度以下）人脸设计，缺乏对齐高达90度大姿态人脸的能力。挑战有三方面：首先，常用的基于关键点的人脸模型假设所有关键点均可见，因此不适用于侧面视图。其次，人脸外观在大姿态间变化更为剧烈，从正面视图到侧面视图。第三，大姿态下标注关键点极为困难，因为不可见的关键点必须被猜测。本文中，我们在一个称为三维密集人脸对齐（3DDFA）的新对齐框架中提出针对这三个问题的解决方案，其中通过卷积神经网络（CNN）将密集三维人脸模型拟合到图像。我们还提出一种在侧面视图中合成大规模训练样本的方法，以解决数据标注的第三个问题。在具有挑战性的AFLW数据库上的实验表明，我们的方法相比最先进的方法取得了显著改进。