基于 RoI Tanh-Warping 的人脸解析
计算机视觉与模式识别
2019-06-05 v1
摘要
人脸解析从人脸图像中计算不同语义成分（如头发、嘴、眼睛）的像素级标签图。现有人脸解析文献已表明，关注人脸及面部成分的兴趣区域（RoI）具有显著优势。然而，传统的裁剪与缩放聚焦机制忽略了 RoI 之外的所有上下文区域，因此当成分区域不可预测（如头发）时不适用。受人类生理视觉系统的启发，我们提出了一种新颖的 RoI Tanh-warping 算子，将中央视觉与周边视觉结合在一起。它解决了有限大小 RoI 用于聚焦与周边信息不可预测区域之间两难的困境。为此，我们提出了一种用于人脸解析的新型混合卷积神经网络。它对内部面部成分采用基于分层局部的方法，对外部面部成分采用全局方法。整个框架简单且原理清晰，可进行端到端训练。为促进人脸解析的未来研究，我们还手动重新标注了 HELEN 数据集的训练数据并将公开。在 HELEN 和 LFW-PL 基准上的实验表明，我们的方法超越了最先进的方法。
引用
@article{arxiv.1906.01342,
title = {Face Parsing with RoI Tanh-Warping},
author = {Jinpeng Lin and Hao Yang and Dong Chen and Ming Zeng and Fang Wen and Lu Yuan},
journal= {arXiv preprint arXiv:1906.01342},
year = {2019}
}
备注
CVPR 2019