基于统计鲁棒置信检验的 3D 人脸对齐无监督性能分析
计算机视觉与模式识别
2023-11-21 v6
摘要
本文解决 3D 人脸对齐（3DFA）即面部关键点定位的性能分析问题。该任务通常基于标注数据集进行监督。然而，在 3DFA 这一特定情形下，标注过程很少无误差，这强烈偏置了结果。作为替代，我们研究了无监督性能分析（UPA）。所提方法的核心要素是预测关键点与模型关键点之间刚体变换的鲁棒估计。结果表明，如此计算的刚体映射既不受因表情与身份差异导致的非刚体面部形变影响，也不受因各种扰动导致的关键点定位误差影响。指导性的思想是将估计的旋转、平移和缩放应用于一组预测关键点，以将其映射到嵌入这些关键点（含可能误差）的形状的数学归处。UPA 步骤如下：（i）使用所研究的 3DFA 方法从 2D 人脸提取 3D 关键点；（ii）将这些关键点刚体映射到规范（正面）姿态；（iii）为每个关键点计算统计鲁棒的置信分数。这可判定映射关键点在置信体内（内点）还是体外（外点）。本文详细描述了使用公开数据集与若干已发表文章关联的 3DFA 软件包的实验评估协议。结果表明，所提分析与监督度量一致，并可用于度量预测关键点及自动标注 3DFA 数据集的精度、检测并消除误差。本文源代码与补充材料公开于 https://team.inria.fr/robotlearn/upa3dfa/。
引用
@article{arxiv.2004.06550,
title = {Unsupervised Performance Analysis of 3D Face Alignment with a Statistically Robust Confidence Test},
author = {Mostafa Sadeghi and Xavier Alameda-Pineda and Radu Horaud},
journal= {arXiv preprint arXiv:2004.06550},
year = {2023}
}