多视角动态面部动作单元检测
计算机视觉与模式识别
2018-08-21 v2
摘要
我们提出一种新颖的卷积神经网络（CNN）方法来解决多视角动态面部动作单元检测的细粒度识别问题。我们利用大规模物体识别的最新进展，将预测人脸静态图像中特定动作单元存在与否的任务表述为整体分类。然后，我们通过考虑针对独立动作单元的共享与独立表示，以及用于结合颜色与运动信息的不同 CNN 架构，探索了我们方法的设计空间。接着我们转向 FERA 2017 挑战赛的新颖设置，其中我们提出了一种多视角扩展方法，该方法首先预测视频拍摄的视角，然后评估为该特定视角训练的动作单元检测器集成。我们的方法是整体性的、高效且模块化的，因为新的动作单元可以轻松纳入整体系统。我们的方法显著优于 FERA 2017 挑战赛的基线，在 F1 指标上绝对提升 14%。此外，它与 FERA 2017 挑战赛的获胜者相比也具有竞争力。源代码见 https://github.com/BCV-Uniandes/AUNets。
引用
@article{arxiv.1704.07863,
title = {Multi-View Dynamic Facial Action Unit Detection},
author = {Andres Romero and Juan Leon and Pablo Arbelaez},
journal= {arXiv preprint arXiv:1704.07863},
year = {2018}
}