遮挡条件下基于SensiblePoints的强化假设细化三维人脸模型配准
计算机视觉与模式识别
2018-04-04 v1
摘要
在遮挡条件下将三维人脸模型配准到二维图像是困难的。首先，在遮挡下并非所有检测到的面部关键点都准确。其次，可靠关键点的数量可能不足以约束该问题。我们提出一种方法合成额外的点（SensiblePoints）以创建姿态假设。从基准点、非基准点以及面部轮廓提取的视觉线索被联合用于验证假设。我们定义一个奖励函数来衡量投影的密集三维模型是否与两个全卷积网络生成的置信图良好对齐，并利用该函数训练循环策略网络来移动SensiblePoints。在测试中使用相同的奖励函数从假设候选池中选择最佳假设。实验表明所提方法在解决遮挡下人脸模型配准问题方面非常有前景。
引用
@article{arxiv.1709.00531,
title = {Facial 3D Model Registration Under Occlusions With SensiblePoints-based Reinforced Hypothesis Refinement},
author = {Yuhang Wu and Ioannis A. Kakadiaris},
journal= {arXiv preprint arXiv:1709.00531},
year = {2018}
}
备注
Accepted in International Joint Conference on Biometrics (IJCB) 2017