基于微型 CNN 人脸跟踪模型的移动浏览器端轻量实时虚拟试妆
计算机视觉与模式识别
2019-06-12 v2
摘要
近期关于卷积神经网络（CNNs）人脸对齐的工作已在多种大型公开数据集上展现出前所未有的精度。然而，所开发的模型往往既笨重又计算昂贵，并不适用于资源受限设备上的应用。本工作中，我们致力于开发并训练紧凑的人脸对齐模型，其具备快速推理速度与小部署体积，从而适合上述类别设备上的应用。我们的主要贡献在于设计此类小模型的同时保持人脸对齐的高精度。我们提出的模型利用适配人脸对齐问题的轻量 CNN 架构，从低分辨率输出热图进行两阶段人脸关键点坐标的准确预测。我们进一步将所开发的人脸跟踪器与渲染方法结合，构建了在智能手机 Web 浏览器端客户端运行的实时试妆演示。更多结果与演示见项目页：http://research.modiface.com/makeup-try-on-cvprw2019/
引用
@article{arxiv.1906.02260,
title = {Lightweight Real-time Makeup Try-on in Mobile Browsers with Tiny CNN Models for Facial Tracking},
author = {TianXing Li and Zhi Yu and Edmund Phung and Brendan Duke and Irina Kezele and Parham Aarabi},
journal= {arXiv preprint arXiv:1906.02260},
year = {2019}
}
备注
4 pages, Third Workshop on Computer Vision for AR/VR