关注边界：融合多级边界信息用于关键点热图回归
计算机视觉与模式识别
2020-08-26 v1
摘要
尽管当前人脸对齐算法在预测面部关键点位置方面已获得相当好的性能，但对于存在严重遮挡和大幅姿态变化等人脸仍存巨大挑战。相反，面部边界的语义位置更有可能在这些场景中被保留和估计。因此，我们研究一种两阶段但端到端的方法，用于探索面部边界与关键点之间的关系以获得边界感知的关键点预测，其由两个模块组成：自校准边界估计（SCBE）模块与边界感知关键点变换（BALT）模块。在SCBE模块中，我们修改主干层并采用中间监督以帮助生成高质量面部边界热图。从SCBE模块继承的边界感知特征以多尺度融合框架集成到BALT模块中，以更好地建模从边界到关键点热图的变换。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最先进的方法。
引用
@article{arxiv.2008.10924,
title = {Think about boundary: Fusing multi-level boundary information for landmark heatmap regression},
author = {Jinheng Xie and Jun Wan and Linlin Shen and Zhihui Lai},
journal= {arXiv preprint arXiv:2008.10924},
year = {2020}
}
备注
12 pages, 9 figures