用显式函数学习连续人脸表示
计算机视觉与模式识别
2024-03-20 v1 机器学习
摘要
如何表示人脸模式？虽然人脸在我们的视觉系统中以连续方式呈现，计算机却常以离散方式用二维像素数组存储和处理人脸图像。本研究尝试用显式函数学习人脸图像的连续表示。首先，我们提出一种显式模型（EmFace）以有限项数学项之和的形式表示人脸，其中每一项为一个解析函数元。进一步，为估计 EmFace 的未知参数，设计了一种具有编码器-解码器结构并采用反向传播算法训练的神经网络 EmNet，其中编码器由深度卷积神经网络定义，解码器为 EmFace 的显式数学表达式。实验结果表明，与其他方法相比，EmFace 对各种表情、姿态及其他因素下的人脸具有更高的表示性能。此外，EmFace 在包括人脸图像修复、去噪与变换在内的若干人脸图像处理任务上取得了合理性能。
引用
@article{arxiv.2110.15268,
title = {Learning Continuous Face Representation with Explicit Functions},
author = {Liping Zhang and Weijun Li and Linjun Sun and Lina Yu and Xin Ning and Xiaoli Dong and Jian Xu and Hong Qin},
journal= {arXiv preprint arXiv:2110.15268},
year = {2024}
}