基于多路径神经网络架构搜索的鲁棒3D人脸对齐
计算机视觉与模式识别
2024-06-13 v1
摘要
3D人脸对齐是计算机视觉中一个非常具有挑战性和基础性的问题。现有的深度学习方法通常通过手动设计不同的网络来回归3D人脸模型的参数或人脸顶点的3D位置。然而，这些网络的设计依赖于专家知识，且方法往往难以在各种人脸姿态下产生一致的结果。为此，我们采用神经网络架构搜索（NAS）自动发现3D人脸对齐的最优架构。我们提出了一种 novel 的多路径单向神经网络架构搜索（MONAS）框架，利用多尺度特征和上下文信息来增强在各种姿态下的人脸对齐。MONAS包含两个关键算法：基于无偏抽样的多路径网络训练和基于模拟退火的多路径单向搜索。在三个流行基准数据集上的实验结果表明，MONAS在稀疏对齐和密集对齐方面均表现出优越性能。
引用
@article{arxiv.2406.07873,
title = {Robust 3D Face Alignment with Multi-Path Neural Architecture Search},
author = {Zhichao Jiang and Hongsong Wang and Xi Teng and Baopu Li},
journal= {arXiv preprint arXiv:2406.07873},
year = {2024}
}