面向美容皮肤科的面部皱纹分割：基于纹理图的弱监督预训练
计算机视觉与模式识别
2024-11-20 v4 人工智能
机器学习
摘要
面部皱纹检测在美容皮肤科中起着至关重要的作用。精确的手动面部皱纹分割具有挑战性且耗时，且固有的主观性导致评分者之间结果不一致。为解决这一问题，我们提出了两种方案。第一，我们构建并发布了首个公开面部皱纹数据集 'FFHQ-Wrinkle'，该数据集是 NVIDIA FFHQ 数据集的扩展。它包含 1,000 张带有人工标注的图像和 50,000 张带有自动生成的弱标注的图像。该数据集可作为研究社区开发先进皱纹检测算法的基础。第二，我们提出了一种利用纹理图的简单训练策略，可适用于多种分割模型，以检测全脸的皱纹。我们的两阶段训练策略首先在大型弱标注数据集（N=50k）上预训练模型，或通过计算机视觉技术生成的掩码纹理图，无需人工干预。然后我们使用人工标注数据（N=1k）对模型进行微调，该数据由手动标注的皱纹掩码组成。网络在微调时以 RGB 和掩码纹理图的组合作为输入，共四个通道。我们有效地结合了多位标注者的标签以减少人工标注中的主观性。我们的策略在面部皱纹分割中相较于现有预训练方法在定量和视觉上均展示了提升的性能。该数据集可在 https://github.com/labhai/ffhq-wrinkle-dataset 获取。
引用
@article{arxiv.2408.10060,
title = {Facial Wrinkle Segmentation for Cosmetic Dermatology: Pretraining with Texture Map-Based Weak Supervision},
author = {Junho Moon and Haejun Chung and Ikbeom Jang},
journal= {arXiv preprint arXiv:2408.10060},
year = {2024}
}
备注
Accepted at International Conference on Pattern Recognition (ICPR), 2024