基于级联半参数深度贪婪神经森林的人脸对齐
计算机视觉与模式识别
2017-03-07 v1
摘要
人脸对齐是计算机视觉中的一个活跃课题，旨在将形状模型对准人脸。为此，大多数现代方法以级联方式从初始猜测开始逐步细化形状。这些形状更新既可以应用于特征点空间（即显式更新），也可以应用于低维参数空间。本文提出一种半参数级联方法，首先对齐参数化形状，然后捕捉显式形状的更细粒度形变。为在各级联阶段学习形状更新，我们引入了深度贪婪神经森林（GNF）模型，它是深度神经森林（NF）的改进版本。GNF因其兼具可微性、高表达力和快速评估运行时间，成为人脸对齐的理想回归器。所提出的框架速度极快，在多个具有挑战性的基准测试上取得了高准确率，包括小、中、大姿态实验。
引用
@article{arxiv.1703.01597,
title = {Face Alignment with Cascaded Semi-Parametric Deep Greedy Neural Forests},
author = {Arnaud Dapogny and Kévin Bailly and Séverine Dubuisson},
journal= {arXiv preprint arXiv:1703.01597},
year = {2017}
}
备注
10 pages, 1 page appendix, 5 figures