FacePoseNet：无关键点人脸对齐的实例论证
计算机视觉与模式识别
2017-09-04 v2
摘要
我们展示了如何训练一个简单的卷积神经网络（CNN），直接从图像强度中准确且鲁棒地回归出6自由度（6DoF）3D头部姿态。我们进一步解释了如何将这个FacePoseNet（FPN）作为这些任务中显式面部关键点检测的替代方案，用于2D和3D人脸对齐。我们声称，在比较不同的人脸对齐方法时，许多情况下测量关键点检测器准确度的标准手段可能会产生误导。相反，我们通过评估在IJB-A和IJB-B基准上对人脸识别准确度的影响，将我们的FPN与现有方法进行比较：使用相同的识别流程，但改变人脸对齐方法。我们的结果表明：在300W基准上测得的更好的关键点检测准确度，并不必然意味着更好的人脸识别准确度。我们的FPN在两个基准上均提供了更优的2D和3D人脸对齐。最后，FPN以仅相当于同等准确度关键点检测器一小部分的计算成本来对齐人脸。因此，对于许多目的而言，FPN是一种比使用面部关键点检测器更快速、更准确的人脸对齐方法。
引用
@article{arxiv.1708.07517,
title = {FacePoseNet: Making a Case for Landmark-Free Face Alignment},
author = {Fengju Chang and Anh Tuan Tran and Tal Hassner and Iacopo Masi and Ram Nevatia and Gerard Medioni},
journal= {arXiv preprint arXiv:1708.07517},
year = {2017}
}