迈向快速、准确且稳定的三维稠密人脸对齐
计算机视觉与模式识别
2021-02-09 v2
摘要
现有三维稠密人脸对齐方法主要集中于准确性，从而限制了其实际应用范围。本文中，我们提出一种名为3DDFA-V2的新回归框架，在速度、准确性与稳定性间取得平衡。首先，基于轻量骨干网络，我们提出一种元联合优化策略动态回归一小组3DMM参数，极大同时提升了速度与准确性。为进一步提升视频上的稳定性，我们提出一种虚拟合成方法将单张静图转换为包含面内与面外人脸运动的短序列视频。在高准确性与稳定性前提下，3DDFA-V2在单CPU核上以超过50fps运行，同时优于其他SOTA重型模型。在多个具挑战性数据集上的实验验证了我们所提方法的有效性。预训练模型与代码见 https://github.com/cleardusk/3DDFA_V2。
引用
@article{arxiv.2009.09960,
title = {Towards Fast, Accurate and Stable 3D Dense Face Alignment},
author = {Jianzhu Guo and Xiangyu Zhu and Yang Yang and Fan Yang and Zhen Lei and Stan Z. Li},
journal= {arXiv preprint arXiv:2009.09960},
year = {2021}
}
备注
Accepted by ECCV 2020