面向多张人脸的联合人脸检测与面部运动重定向
计算机视觉与模式识别
2019-03-01 v1
摘要
面部运动重定向是计算机图形学与视觉中的一个重要问题，其涉及捕捉人脸的表情表现并将其迁移到另一个 3D 角色上。利用卷积神经网络从 2D 人脸图像中学习 3D 可变形模型（3DMM）参数在 2D 人脸对齐、3D 人脸重建等任务中十分常见。然而，现有方法要么在重定向之前需要额外的人脸检测步骤，要么使用级联的分离网络依次执行检测而后重定向。在本文中，我们提出一种单端到端网络，用于联合预测多张人脸的边界框位置与 3DMM 参数。首先，我们设计了一种新颖的多任务学习框架，学习单张人脸的 3DMM 参数的解耦表示。然后，我们利用训练好的单人脸模型为多人脸生成真值 3DMM 参数，以训练另一个对包含多张人脸的图像执行联合人脸检测与运动重定向的网络。实验结果表明，我们的联合检测与重定向网络具有高人脸检测精度，对极端表情与姿态具有鲁棒性，同时比最先进（state-of-the-art）的方法更快。
引用
@article{arxiv.1902.10744,
title = {Joint Face Detection and Facial Motion Retargeting for Multiple Faces},
author = {Bindita Chaudhuri and Noranart Vesdapunt and Baoyuan Wang},
journal= {arXiv preprint arXiv:1902.10744},
year = {2019}
}
备注
Accepted to CVPR 2019