无需 Soft-Argmax 的热图回归用于人脸关键点检测
计算机视觉与模式识别
2025-08-22 v1 人工智能
摘要
人脸关键点检测是计算机视觉中的一项重要任务，具有众多应用，如头部姿态估计、表情分析、人脸替换等。基于热图回归的方法已被广泛用于在该任务中取得最先进的结果。这些方法涉及在热图上计算 argmax 以预测关键点。由于 argmax 不可微，这些方法使用可微近似 Soft-argmax 来实现深度网络的端到端训练。在这项工作中，我们重新审视了使用 Soft-argmax 这一长期以来的选择，并证明它并非实现强大性能的唯一途径。相反，我们提出了一种基于经典结构化预测框架的替代训练目标。根据经验，我们的方法在三个人脸关键点基准（WFLW、COFW 和 300W）上取得了最先进的性能，在训练期间收敛速度提高 2.2 倍，同时保持更好/具竞争力的准确率。我们的代码可在此处获取：https://github.com/ca-joe-yang/regression-without-softarg。
关键词
引用
@article{arxiv.2508.14929,
title = {Heatmap Regression without Soft-Argmax for Facial Landmark Detection},
author = {Chiao-An Yang and Raymond A. Yeh},
journal= {arXiv preprint arXiv:2508.14929},
year = {2025}
}