HIH：通过热图中热图实现更精准的人脸对齐
计算机视觉与模式识别
2022-04-19 v2
摘要
基于热图的回归克服了直接坐标回归缺乏空间与上下文信息的弊端，并革新了人脸对齐任务。然而它受到由图像缩放与网络下采样中忽略亚像素坐标所引起的量化误差的困扰。本文中，我们首先在基准上定量分析了量化误差，其占最先进方法整体预测误差的三分之一以上。为解决该问题，我们提出了一种新颖的热图中热图（HIH）表示与坐标软分类（CSC）方法，并将其无缝集成到经典的沙漏网络中。HIH 表示利用嵌套热图联合表示坐标标签：一个名为整数热图的热图代表整数坐标，另一个名为小数热图的热图表示亚像素坐标。小数热图的范围在其对应整数热图中占据一个像素。此外，我们将偏移回归问题转化为区间分类任务，CSC 将像素的置信度视为区间的概率。同时，CSC 应用分布损失，利用由高斯分布函数生成的软标签来引导偏移热图训练，从而更容易学习坐标偏移的分布。在挑战性基准数据集上的大量实验表明，我们的 HIH 能取得最先进结果。特别地，我们的 HIH 在 WFLW 上达到 4.08 NME（归一化平均误差），在 COFW 上达到 3.21，大幅超越以往方法。
引用
@article{arxiv.2104.03100,
title = {HIH: Towards More Accurate Face Alignment via Heatmap in Heatmap},
author = {Xing Lan and Qinghao Hu and Qiang Chen and Jian Xue and Jian Cheng},
journal= {arXiv preprint arXiv:2104.03100},
year = {2022}
}
备注
A large update(v2) for HIH