用于鲁棒人脸对齐与关键点内在关系学习的稀疏局部块Transformer
计算机视觉与模式识别
2022-03-29 v2
摘要
近年来热图回归方法在人脸对齐领域占据主导地位，但它们忽略了不同关键点之间的内在关系。本文提出一种稀疏局部块Transformer（SLPT）来学习这种内在关系。SLPT从局部块生成每个单一关键点的表示，并基于注意力机制通过自适应内在关系对其进行聚合。每个关键点的亚像素坐标基于聚合后的特征独立预测。此外，进一步引入由粗到精的框架与SLPT相结合，使初始关键点利用来自动态调整尺寸的局部块的细粒度特征逐步收敛到目标面部关键点。在WFLW、300W和COFW三个流行基准上进行的广泛实验表明，所提方法通过学习面部关键点之间的内在关系，以低得多的计算复杂度达到了最先进水平。代码已在项目网站提供。
引用
@article{arxiv.2203.06541,
title = {Sparse Local Patch Transformer for Robust Face Alignment and Landmarks Inherent Relation Learning},
author = {Jiahao Xia and Weiwei qu and Wenjian Huang and Jianguo Zhang and Xi Wang and Min Xu},
journal= {arXiv preprint arXiv:2203.06541},
year = {2022}
}
备注
Accepted to CVPR2022