FreeEnricher：无需额外成本的人脸关键点增强方法
计算机视觉与模式识别
2025-06-30 v1 人工智能
图形学
信息检索
机器学习
摘要
近年来，人脸对齐技术取得了显著进展。尽管密集人脸关键点在美容医学和人脸美化等多种场景中需求很高，但大多数工作仅考虑稀疏人脸对齐。为了解决这个问题，我们提出了一种框架，该框架可以利用现有的稀疏关键点数据集（例如，68个点的300W和98个点的WFLW）来增加关键点密度。首先，我们观察到沿每个语义轮廓的局部图像块在外观上高度相似。然后，我们提出了一种弱监督思路：学习在原始稀疏关键点上的细化能力，并将这种能力迁移到增强的密集关键点上。同时，我们设计并组合了多个算子来实现这一思路。最后，训练好的模型作为一个即插即用模块应用于现有的人脸对齐网络。为了评估我们的方法，我们在300W测试集上手动标注了密集关键点。我们的方法不仅在新建的密集300W测试集上，而且在原始的稀疏300W和WFLW测试集上，均以无需额外成本的方式达到了最先进的精度。
引用
@article{arxiv.2212.09525,
title = {FreeEnricher: Enriching Face Landmarks without Additional Cost},
author = {Yangyu Huang and Xi Chen and Jongyoo Kim and Hao Yang and Chong Li and Jiaolong Yang and Dong Chen},
journal= {arXiv preprint arXiv:2212.09525},
year = {2025}
}
备注
AAAI 2023