利用图注意力网络保持形状的面部关键点
计算机视觉与模式识别
2022-10-14 v1
摘要
性能最优的关键点估计算法基于利用大型卷积神经网络（CNNs）表征局部外观的卓越能力。然而，众所周知它们只能学习微弱的空间关系。为解决该问题，我们提出了一种基于 CNN 与级联图注意力网络回归器相结合的模型。为此，我们引入了一种联合表征面部关键点外观与位置的编码方式，以及一种依据信息可靠性为其赋权的注意力机制。这结合多任务方法以初始化图节点位置，以及一种由粗到细的关键点描述方案。我们的实验证实，所提模型学习了人脸结构的全局表征，在头部姿态与关键点估计的流行基准上取得了顶尖性能。我们的模型所带来的改进在涉及关键点局部外观大幅变化的情况下最为显著。
引用
@article{arxiv.2210.07233,
title = {Shape Preserving Facial Landmarks with Graph Attention Networks},
author = {Andrés Prados-Torreblanca and José M. Buenaposada and Luis Baumela},
journal= {arXiv preprint arXiv:2210.07233},
year = {2022}
}
备注
BMVC2022. Code available at https://github.com/andresprados/SPIGA