基于带加权分裂的 K-聚类回归森林的人脸对齐
计算机视觉与模式识别
2017-06-07 v1
摘要
在这项工作中，我们提出了一种基于两种新方法的人脸对齐流水线：用于 K-聚类回归森林的加权分裂以及用于人脸形状初始化的 3D 仿射姿态回归。我们的人脸对齐方法基于局部二值特征(LBF)框架，其中我们使用我们的带加权分裂的 K-聚类回归森林(KRFWS)和金字塔 HOG 特征，取代了原始方法中使用的标准回归森林和像素差分特征。我们还使用 KRFWS 来执行仿射姿态回归(APR)和 3D-仿射姿态回归(3D-APR)，旨在改善人脸形状初始化。APR 对初始人脸形状应用刚性 2D 变换，以补偿初始人脸位置、尺寸和平面内旋转的不准确性。3D-APR 估计 3D 变换的参数，该变换额外补偿平面外旋转。由此产生的流水线，由 APR 和 3D-APR 随后进行人脸对齐组成，在具有挑战性的 IBUG 数据集上比标准 LBF 提高了 20%，并在整个 300-W 数据集上达到了最先进的精度。
引用
@article{arxiv.1706.01820,
title = {Face Alignment Using K-Cluster Regression Forests With Weighted Splitting},
author = {Marek Kowalski and Jacek Naruniec},
journal= {arXiv preprint arXiv:1706.01820},
year = {2017}
}
备注
Postprint of an article published in IEEE Signal Processing Letters in 2016. A video explaining the method: https://www.youtube.com/watch?v=F4tgihZLrYw