利用深度神经网络恢复野外规范视角人脸
计算机视觉与模式识别
2014-04-17 v2
摘要
野外人脸图像经历巨大的类内变化，如姿态、光照、遮挡和低分辨率，这给面部相关应用带来了巨大挑战。本文通过提出一种新的深度学习框架来应对这一挑战，该框架能够恢复人脸图像的规范视角。它显著减少了类内方差，同时保持了类间判别力。与现有仅在受控 2D 环境中评估或利用 3D 信息的人脸重建方法不同，我们的方法直接学习从具有复杂变化集的人脸图像到其规范视角的变换。在训练阶段，为避免手动标注训练集中规范视角图像的高昂过程，我们设计了一种新的度量标准，以自动选择或合成每个身份的规范视角图像。作为一种应用，该人脸恢复方法被用于人脸验证。面部特征是通过使用基于面部组件的卷积神经网络从恢复的规范视角人脸图像中学习的。我们的方法在 LFW 数据集上达到了最先进的性能。
引用
@article{arxiv.1404.3543,
title = {Recover Canonical-View Faces in the Wild with Deep Neural Networks},
author = {Zhenyao Zhu and Ping Luo and Xiaogang Wang and Xiaoou Tang},
journal= {arXiv preprint arXiv:1404.3543},
year = {2014}
}