Sep, 2017

联合约束级联回归框架用于面部动作单元识别和面部特征点检测

PDF
TL;DR本文提出了一种约束联合级联回归框架（Constrained Joint Cascade Regression Framework, CJCRF）来解决面部分析中面部动作单元识别和面部关键点检测两任务，首先通过学习面部动作单元和面部形状之间的关联约束，然后在约束帮助下，我们迭代地更新面部关键点位置和动作单元激活概率以实现两个任务的协同检测。实验结果证明，面部动作单元和面部形状的纠缠关系提高了面部动作单元识别和面部关键点检测的性能，同时也证明了所提出的方法与现有工作相比的有效性。
cascade regression frameworkfacial landmark detectionfacial action unit recognitionconstrained joint cascade regression frameworkface analysis
发现论文，激发创造
  • 通过联合学习面部关键点检测和领域分离与重构来提升面部动作单位检测

    提出了一种新的 AU 检测框架，其中引入了多任务学习，通过共享同构面部提取模块的参数来共同学习 AU 领域分离和重建以及面部标志检测。此外，提出了一种基于对比学习和改进的对比损失的新特征对齐方案，通过添加四个中间监督器来促进特征重建过程。在两个基准测试上的实验结果表明，对于野外 AU 检测，我们优于现有的方法。

    Oct, 2023

  • 联合体素和坐标回归：精确的三维面部关键点定位

    本文提出了一种基于 Joint Voxel and Coordinate Regression（JVCR）的 3D 面部标志定位方法，该方法采用端到端的方式，通过稠密的容积表示和卷积神经网络实现了更高效的学习和更准确的结果。该方法在 3DFAW 和 AFLW2000-3D 数据集上达到了最先进的性能。

    Jan, 2018

  • 实时增量人脸跟踪的级联连续回归

    本文介绍了一种新颖的实时算法用于人脸关键点跟踪。我们提出了级联连续回归（CCR）算法，证明其准确性等同于 Supervised Descent Method，并提出了用于 CCR 的增量学习更新（iCCR），其速度比级联回归的标准增量学习快一个数量级，从而实现实时跟踪，最后评估了 iCCR 的重要性在实现最新技术水平方面。

    Aug, 2016

  • 基于自我迭代回归的关键点关注网络实现面部特征点检测

    本研究提出了自我迭代回归框架，通过 Landmarks-Attention 网络作为回归器，将级联回归方法中的多个回归器替换为一个自我迭代回归器，从而显着减少了模型参数，提高了模型效率。实验结果表明，该方法仅需 3.72M 模型参数即可达到最先进的性能水平。

    Mar, 2018

  • 利用训练数据增强和模糊集样本加权的动态注意力控制级联形状回归

    本文提出了一种新的级联形状回归、动态注意力控制级联形状回归 (DAC-CSR) 的架构，用于非约束性人脸的鲁棒性面部关键点检测，包括人脸边界框细化、一般 CSR 和注意力控制 CSR。使用在线动态模型选择方法选择适当的面向域的 CSR 进行关键点的细化，DAC-CSR 的关键创新在于容错机制，使用模糊集样本加权进行注意控制域特定模型的训练。此外，我们提倡使用简单但有效的二维剖面面部生成器和上下文感知特征提取以更好地代表面部特征。实验结果表明，我们的 DAC-CSR 相对于现有技术具有更好的性能。

    Nov, 2016

  • 面部闭塞下的同时人脸特征点检测、姿态和变形估计

    提出了一种基于模型的联合框架，用于同时进行面部标志检测，头部姿态估计和面部变形分析。

    Sep, 2017

  • 人脸联合对齐及三维面部重建在人脸识别中的应用

    提出了一种新的联合人脸对齐和三维人脸重建方法，该方法可以自动生成姿态和表情归一化的三维人脸，并能恢复可见和不可见的二维人脸关键点，从而可以改善跨姿态和表情的人脸识别准确性。实验结果表明，该方法在人脸对齐和三维人脸重建方面均达到了最先进的精度。

    Aug, 2017

  • 使用多任务级联卷积网络进行联合人脸检测和对齐

    该论文提出了一个采用深度级联多任务框架的人脸检测和对齐方法，利用深度学习及在线难样本挖掘等技术，在 FDDB、WIDER FACE 和 AFLW 等基准测试中取得了优于同类算法的高准确度和实时性能。

    Apr, 2016

  • 基于级联回归在形状空间中进行三维面部重建

    本研究探讨基于级联回归的 3D 人脸重建方法在 2D 标记点数、3D 顶点数、标记点检测方法及收敛性等四个方面的影响，并提出了一种简化的级联回归算法以及有效的训练方法，实验证明了该方法的有效性。

    Sep, 2015

  • 深度自适应关注：面部动作单元检测和人脸对齐

    本文提出了一种新颖的端到端深度学习框架以实现联合的面部动作单元检测和面部对齐任务，并通过在本地和全局特征中添加关注学习模块以提取精确的局部特征，在 BP4D 和 DISFA 基准测试上取得了显著的性能优势。

    Mar, 2018