用于姿态不变人脸识别的面部 UV 贴图补全：一种基于耦合注意力残差 UNet 的新对抗方法
计算机视觉与模式识别
2020-11-11 v1
摘要
姿态不变人脸识别是指通过分析与不同姿态下捕获的人脸图像来识别或验证人的问题。由于姿态、光照和面部表情的大幅变化，该问题具有挑战性。一种有前景的处理姿态变化的方法是对从野外人脸提取的不完整 UV 贴图进行补全，然后将补全的 UV 贴图附加到拟合的 3D 网格上，最终生成任意姿态的不同 2D 人脸。合成的人脸增加了训练深度人脸识别模型的姿态变化，并减少了测试阶段的姿态差异。本文中，我们提出一种称为 Attention ResCUNet-GAN 的新生成模型以改进 UV 贴图补全。我们通过使用一对 U-Net 增强原始 UV-GAN。特别地，每个 U-Net 内的跳跃连接由注意力门增强。同时，来自两个 U-Net 的特征以可训练标量权重融合。在包括 Multi-PIE、LFW、CPLWF 和 CFP 数据集的流行基准上的实验表明，所提方法相较于其他现有方法产生了更优性能。
引用
@article{arxiv.2011.00912,
title = {Facial UV Map Completion for Pose-invariant Face Recognition: A Novel Adversarial Approach based on Coupled Attention Residual UNets},
author = {In Seop Na and Chung Tran and Dung Nguyen and Sang Dinh},
journal= {arXiv preprint arXiv:2011.00912},
year = {2020}
}