基于多阶高精度沙漏网络的人脸鲁棒对齐
计算机视觉与模式识别
2020-12-30 v1
摘要
热力图回归（HR）已成为人脸对齐的主流方法之一，并在受限环境下取得了有前景的结果。然而，当人脸图像遭受大姿态变化、严重遮挡和复杂光照时，由于生成的关键点热力图分辨率低，且忽略了可用于学习更具判别性特征的重要高阶信息，HR 方法的性能大幅下降。为解决极端大姿态和严重遮挡人脸的对齐问题，本文提出热力图亚像素回归（HSR）方法和多阶交叉几何感知（MCG）模型，并将二者无缝集成到一种新颖的多阶高精度沙漏网络（MHHN）中。HSR 方法通过精心设计的亚像素检测损失（SDL）和亚像素检测技术（SDT）实现高精度关键点检测。同时，MCG 模型能够利用所提出的多阶交叉信息学习更具判别性的表示，以增强人脸几何约束和上下文信息。据我们所知，这是首个探索热力图亚像素回归以实现鲁棒高精度人脸对齐的研究。在具有挑战性的基准数据集上的实验结果表明，我们的方法优于文献中的 SOTA 方法。
引用
@article{arxiv.2010.08722,
title = {Robust Face Alignment by Multi-order High-precision Hourglass Network},
author = {Jun Wan and Zhihui Lai and Jun Liu and Jie Zhou and Can Gao},
journal= {arXiv preprint arXiv:2010.08722},
year = {2020}
}
备注
Accep by IEEE Transactions on Image Processing 2020.10.14