LUVLi人脸对齐：估计 landmarks 的位置、不确定性与可见性似然

现代人脸对齐方法在预测面部 landmarks 位置方面已相当准确，但它们通常既不估计预测位置的不确定性，也不预测 landmarks 是否可见。在本文中，我们提出一种联合预测 landmark 位置、这些预测位置的关联不确定性以及 landmark 可见性的新框架。我们将这些建模为混合随机变量，并使用以我们提出的 Location, Uncertainty, and Visibility Likelihood（LUVLi）损失训练的深度网络进行估计。此外，我们发布了一个大型人脸对齐数据集的全新标注，包含超过19,000张各种头部姿态的人脸图像。每张人脸均被手动标注68个 landmarks 的地面真实位置，并附带每个 landmark 未被遮挡、自遮挡（由于极端头部姿态）或被外部遮挡的附加信息。我们的联合估计不仅对预测 landmark 位置的不确定性给出了准确估计，而且在多个标准人脸对齐数据集上对自身 landmark 位置给出了最先进的估计。我们方法对预测 landmark 位置不确定性的估计可用于自动识别人脸对齐失败的输入图像，这对下游任务可能至关重要。