基于将可变形形状模型鲁棒拟合至三维标志点的人脸正面化

人脸正面化是指从任意视角的人脸合成正面视角的人脸。本文的主要贡献是一种能够实现像素到像素变形的鲁棒人脸对齐方法。该方法同时估计两个三维点集之间的刚性变换(尺度、旋转和平移)与非刚性形变：一组从任意视角人脸提取的三维标志点，以及一组由正面视角可变形人脸模型参数化的三维标志点。所提方法的一个重要优点是其既能处理噪声(小扰动)也能处理离群点(大误差)。我们提出用广义Student's t-概率分布函数对内点与离群点建模，该重尾分布对数据中的非高斯误差具有免疫性。我们详细描述了相关的期望最大化(EM)算法，其在以下估计之间交替：(i)刚性参数，(ii)形变参数，以及(iii)Student-t分布参数。我们还提出使用正面化人脸与相应真实正面视角人脸之间的零均值归一化互相关来评估正面化性能。为此，我们使用一个包含侧面视角与正面视角人脸配对的数据集。这种基于直接图像到图像比较的评估，与基于分析正面化对人脸识别影响的间接评估形成对比。