伪装直至成功：仅使用合成数据在真实场景中进行人脸分析
计算机视觉与模式识别
2021-10-06 v2
摘要
我们证明了仅使用合成数据即可在真实场景中执行与人脸相关的计算机视觉任务。学界长期以来一直享受着利用图形学合成训练数据的便利，但真实数据与合成数据之间的领域鸿沟一直是个问题，尤其是对于人脸而言。研究人员曾尝试通过数据混合、领域自适应和领域对抗训练来弥合这一鸿沟，但我们表明，可以合成具有最小领域鸿沟的数据，从而使得在合成数据上训练的模型能够泛化到真实的真实场景数据集。我们描述了如何将程序化生成的参数化3D人脸模型与一套全面的手工制作资源库相结合，以渲染出具有前所未有真实感与多样性的训练图像。我们针对人脸关键点定位与人脸解析等人脸相关任务训练机器学习系统，表明合成数据在精度上既可媲美真实数据，也能在人工标注不可能实现的场景下开辟新途径。
引用
@article{arxiv.2109.15102,
title = {Fake It Till You Make It: Face analysis in the wild using synthetic data alone},
author = {Erroll Wood and Tadas Baltrušaitis and Charlie Hewitt and Sebastian Dziadzio and Matthew Johnson and Virginia Estellers and Thomas J. Cashman and Jamie Shotton},
journal= {arXiv preprint arXiv:2109.15102},
year = {2021}
}
备注
ICCV 2021. Amended acknowledgements