基于各向异性球面高斯的无偏标签分布学习用于人脸姿态估计
计算机视觉与模式识别
2022-08-22 v1
摘要
人脸姿态估计是指从单张 RGB 图像预测人脸朝向的任务。它是计算机视觉中一个重要的研究课题，具有广泛的应用。基于标签分布学习（LDL）的方法近期被提出用于人脸姿态估计，并取得了有前景的结果。然而，现有 LDL 方法存在两个主要问题。第一，标签分布的期望有偏，导致有偏的姿态估计。第二，对所有学习样本采用固定的分布参数，严重限制了模型能力。本文中，我们提出一种基于各向异性球面高斯（ASG）的 LDL 方法用于人脸姿态估计。具体而言，我们的方法在单位球上采用球面高斯分布，其期望恒为无偏。同时，我们引入一种新的损失函数，允许网络灵活地学习每个学习样本的分布参数。大量实验结果表明，我们的方法在 AFLW2000 和 BIWI 数据集上刷新了当前最优记录。
引用
@article{arxiv.2208.09122,
title = {Towards Unbiased Label Distribution Learning for Facial Pose Estimation Using Anisotropic Spherical Gaussian},
author = {Zhiwen Cao and Dongfang Liu and Qifan Wang and Yingjie Chen},
journal= {arXiv preprint arXiv:2208.09122},
year = {2022}
}
备注
Proceeding with European Conference on Computer Vision (ECCV, 2022)