面向大规模无标签视频的全监督式人脸对齐
计算机视觉与模式识别
2019-12-17 v1
摘要
本文提出一种时空关系推理网络（STRRN）方法，研究视频中全监督式（omni-supervised）人脸对齐问题。不同于依赖大量人工标注的现有全监督方法，我们的学习器利用大规模无标签视频及可用标注数据生成辅助的合理训练标注。鉴于相邻面部关键点通常在连续帧间相关且一致，我们的方法自动推理关键点间具有判别性的时空关系以实现稳定人脸跟踪。具体而言，我们精心设计了可解释且高效的网络模块，其对每帧静态图像解耦面部几何关系，同时强制相邻帧间的双向循环一致性，从而能够从原始人脸序列中建模内在时空关系。大量实验结果表明，我们的方法超越了多数全监督最优方法的性能。
引用
@article{arxiv.1912.07243,
title = {Towards Omni-Supervised Face Alignment for Large Scale Unlabeled Videos},
author = {Congcong Zhu and Hao Liu and Zhenhua Yu and Xuehong Sun},
journal= {arXiv preprint arXiv:1912.07243},
year = {2019}
}
备注
Accepted by AAAI 2020