RED-Net：一种基于视频的人脸对齐循环编解码网络
计算机视觉与模式识别
2018-01-19 v1
摘要
我们提出了一种基于循环编解码网络模型的视频实时人脸对齐新方法。我们所提模型预测经检测与回归损失共同正则化的2D面部点热力图，同时独特地在空间与时间维度上利用循环学习。在空间层面，我们在组合输出响应图与输入间添加反馈环路连接，以使用单一网络模型实现迭代由粗到精的人脸对齐，而非依赖传统的级联模型集成。在时间层面，我们首先将网络瓶颈中的特征解耦为时间可变因子（如姿态与表情）和时间不变因子（如身份信息），随后对解耦出的时间可变特征应用时间循环学习。我们表明此种特征解耦带来了更好的泛化能力及测试时显著更精确的结果。我们进行了全面的实验分析，展示了所提模型各组件的重要性，以及在标准数据集上优于当前最优方法及若干本文方法变体的结果。
引用
@article{arxiv.1801.06066,
title = {RED-Net: A Recurrent Encoder-Decoder Network for Video-based Face Alignment},
author = {Xi Peng and Rogerio S. Feris and Xiaoyu Wang and Dimitris N. Metaxas},
journal= {arXiv preprint arXiv:1801.06066},
year = {2018}
}
备注
International Journal of Computer Vision. arXiv admin note: text overlap with arXiv:1608.05477