用于人脸关键点定位的子像素热力图回归
计算机视觉与模式识别
2021-11-04 v1
摘要
基于热力图回归的深度学习模型已彻底改变了人脸关键点定位任务，现有模型在大姿态、非均匀光照与阴影、遮挡与自遮挡、低分辨率与模糊下均能稳健工作。然而，尽管被广泛采用，热力图回归方法仍受限于与热力图编码及解码过程相关的离散化引入误差。本工作中我们表明，这些误差对人脸对齐精度具有出乎意料的大幅负面影响。为缓解该问题，我们提出一种利用底层连续分布的新热力图编码与解码过程方法。为充分利用新提出的编解码机制，我们还引入了基于 Siamese 的训练，以强化各种几何图像变换下的热力图一致性。我们的方法在多个数据集上取得显著增益，确立了人脸关键点定位的新 SOTA 结果。代码与预训练模型将于 https://www.adrianbulat.com/face-alignment 提供。
引用
@article{arxiv.2111.02360,
title = {Subpixel Heatmap Regression for Facial Landmark Localization},
author = {Adrian Bulat and Enrique Sanchez and Georgios Tzimiropoulos},
journal= {arXiv preprint arXiv:2111.02360},
year = {2021}
}
备注
Accepted at BMVC 2021