生成式标志点

我们提出一种通用方法，用于检测具有更好时间一致性和个性化的标志点。大多数稀疏标志点检测方法依赖于费力的人工标注标志点，而在时间体上的标注不一致会导致次优的标志点学习。此外，带有个性化功能的高质量标志点往往难以实现。我们将标志点检测视为一个图像翻译问题。我们采集两组未配对的、带标记（用颜料）和未标记的视频。然后我们使用生成对抗网络和循环一致性来预测标志点模板的形变，在未标记图像上模拟标记，直到这些图像与真实标记图像无法区分。我们的新方法不依赖于人工标注的先验，具有时间一致性，且与图像类别无关——文中展示了人脸和手部标志点检测示例。