通过流形内等价关系学习描述子不变性：一种表情不变三维人脸识别新方法
计算机视觉与模式识别
2020-05-12 v1
摘要
本文提出一种独特方法，用于处理关键点描述子中有效变化与有害变化之间的二分问题，即描述子（特征）空间中的身份变化与表情变化。描述子的变化由训练样本学习得到。基于训练数据的标签，建立描述子间的等价关系。两类描述子变化均由嵌入描述子流形的图表示。随后将不变识别作为图搜索问题执行。设计了一种适用于该设定下识别的启发式图搜索算法。所提方法在 FRGC v2.0、Bosphorus 与 3D TEC 数据集上进行了测试，结果表明其尤其在表情变化下大幅提升了识别性能。
引用
@article{arxiv.2005.04823,
title = {Learning Descriptors Invariance Through Equivalence Relations Within Manifold: A New Approach to Expression Invariant 3D Face Recognition},
author = {Faisal R. Al-Osaimi},
journal= {arXiv preprint arXiv:2005.04823},
year = {2020}
}
备注
This paper was submitted to pattern recognition in 2015