面部标记检测的风格聚合网络

CVPRMar, 2018

Style Aggregated Network for Facial Landmark Detection

Xuanyi Dong, Yan Yan, Wanli Ouyang, Yi Yang

TL;DR本文提出了一种风格聚合的方法，通过生成敌对网络将原始人脸图像转换为风格聚合图像，以处理面部关键点检测中图像样式的巨大内在变化，结果表明我们的算法在 AFLW 和 300-W 等基准数据集上与最先进的算法相比表现良好。

Abstract

Recent advances in facial landmark detection achieve success by learning discriminative features from rich deformation of face shapes and poses. Besides the variance of faces themselves, the intrinsic variance of image styles, e.g., grayscale vs. color images, light vs. dark, intense v

facial landmark detection style-aggregated images generative adversarial module image variance neural networks

发现论文，激发创造

通过分离聚合：半监督风格转换增强人脸关键点检测器

本文提出一种新的面部标记检测方法，通过使用样式转换来增加每个个体的分离样式和形态空间，得到增强的合成样本，进而构建了一种半监督模型，实现了在 WFLW 数据集上的最先进结果。

Aug, 2019

基于风格的脸部老化增强面部数据多样性

本研究旨在解决数据集偏置问题，提出了一种新颖的基于样式的生成架构来增加面部数据集的年龄多样性，显著提高了增强数据集的多样性和时代转化的性能。

Jun, 2020

基于风格的生成对抗网络生成器架构

本文提出了一种基于风格迁移文献的替代生成对抗网络的生成器体系结构，能够自动学习高级属性和生成图像中的随机变化，改善传统的分布质量量度标准，提高内插质量和交互性能，同时也更好地分离出潜在的多变因素。

Dec, 2018

面部特征点检测的深度结构预测

本文提出了一种深度结构化面部标记检测方法，该方法使用深度卷积网络和条件随机场相结合，能够在面部标记检测上取得比现有技术更卓越的性能，特别是在包含大姿态和遮挡等具有挑战性的数据集上具备更好的泛化性能。

Oct, 2020

应用基于关键点引导的生成对抗网络进行面部表情翻译

本文提出利用面部标志信息的地标引导生成对抗网络（LandmarkGAN）, 用于使用单张图像进行面部表情转换，实现了在同样只有一张图像的情况下，比现有的基于关键点指导法更好地实现了面部表情之间的转换。

Sep, 2022

基于条件脸部变形的通用化人脸标定

通过使用标记的真实人脸和未标记的风格化人脸，我们提出了一个简单但有效的方法来学习具有普适性的人脸关键点定位器，该方法通过条件人脸变形器的关键模块来学习人脸关键点定位器，从而为对应的风格化人脸图像提供高质量的伪关键点，从而实现了在人脸关键点定位任务中优于现有最先进领域适应方法的普适性人脸关键点定位器。

Apr, 2024

利用面部特征点补充人脸取证检测与定位

本文提出了一个包含真实照片、生成照片和编辑照片的面部取证定位数据集，并演示了通过在输入图像中显式添加面部标志信息，提高面部索证检测和定位性能的方法。

Oct, 2019

构造感知完全卷积神经网络的对抗学习用于地标定位

通过结构感知的全卷积网络以及 GAN 的显式 / 隐式学习策略，该论文提出了一种解决单目图像中姿态估计问题的方法，并在 2D 和 3D 姿态估计以及人脸重要标识等相关任务上显著优于现有方法。

Nov, 2017

人脸关键点检测的基准焦点增强

通过使用深度学习方法和图像增强技术，本文提出了一种有效的面部特征检测方法，采用 Siamese 架构和 Transformer + CNN 网络作为骨干结构，通过高级特征表示的集合学习来改善面部特征检测的性能。经过大量实验证明，该方法在各种基准数据集上优于多种最新方法。

Feb, 2024

面部融合攻击的最优地标引导图像混合

我们提出了一种利用最优地标引导的图像融合进行人脸变形攻击的新方法，通过优化变形地标并使用图卷积网络（GCNs）结合地标和外观特征的方式，生成更高质量的变形图像，对最先进的人脸识别系统构成更大的威胁。

Jan, 2024