CVPR机器学习论文阅读报告-基于3D的大姿态人脸对齐方法.pptVIP

CONTENTS 03 结论 什么是人脸对齐（alignment）？ 人脸对齐，即面部特征点定位，在人脸上找出需要的特征点的位置，比如鼻子左侧，鼻孔下侧，瞳孔位置，上嘴唇下侧等等点的位置。下图中白色点的位置。定位了这些点的位置就可以进行下一步的的检测（detection）或识别（identification）。 相关背景 基于2D的最小二乘法：通过最小化训练图像（input image）和形变模型（morphable model）的均方误差来获得特征点位置。对于偏转角度小45度的中小姿态应用良好，但计算代价比较大。 基于CNN（卷积神经网络）:大多数应用CNN的方法，计算性 能获得了提高，但仅检测较少的标注点（landmarks）,限制了 对面部形状的描述能力。 大姿态下的人脸校准的相关文献仍然比较少，多视角2D方法（multi-viewframework）如TSPM和CDM利用不同角度人脸上的标注点来获得数据，计算代价（cost）比较高。其他基于3D的大姿态方法如3DMM要每张图片1min的计算代价，效率比较低。 现有对齐方法及局限性 本文需要解决的问题： 1、极端姿态下（如侧脸，偏转角度为90），一些特征点变了不可见。 2、不同姿态下的人脸表观（expressions）（仰头、大笑）也存在巨大差异，这些问题都导致大姿态下面部特征点定位任务极具挑战