基于不变专家混合的鲁棒人脸对齐
计算机视觉与模式识别
2016-10-25 v2
摘要
人脸对齐，即在一张人脸图像中找出一组面部关键点位置的任务，在广泛应用领域中有用。当姿态（平面内和平面外旋转）和面部表情存在较大变化时，人脸对齐尤其具有挑战性。为了解决这个问题，我们提出了一个级联，其中每个阶段由混合回归专家组成。每个专家学习一个定制的回归模型，专门用于处理姿态和表情联合空间的不同子集。该系统对预定义的变换类（例如仿射）是不变的，因为在应用回归之前，输入被变换以匹配每个专家的原型形状。我们还提出了一种在判别对齐框架内包含形变约束的方法，这使我们的算法更鲁棒。我们的算法在公开可用的人脸对齐数据集上显著优于先前的方法。
引用
@article{arxiv.1511.04404,
title = {Robust Face Alignment Using a Mixture of Invariant Experts},
author = {Oncel Tuzel and Tim K. Marks and Salil Tambe},
journal= {arXiv preprint arXiv:1511.04404},
year = {2016}
}
备注
17 pages, 6 figures