Oct, 2018

利用深度配准从顺序稀疏 3D 数据中进行人脸识别

PDF
TL;DR本文提出了一种融合低质量 3D 数据的人脸识别系统，通过设计 PointNet-like 深度注册网络（DRNet）和 AMSoftmax 卷积神经网络，实现更高的准确率。
face recognition3d datadeep registration networkconvolutional networkloss function
发现论文，激发创造
  • 走向无需训练的可解释人体识别：一个二维 - 三维配准框架

    该研究论文介绍了一种旨在同时解决大规模视觉模型在生物识别中的三大弱点的识别框架 / 策略，首先它仅依赖于用于学习目的的合成样本，然后使用生成策略合成大量包含所需多个协变量（姿势、服装、距离、视角、光照、遮挡等）的样本，最后利用这些数据来学习在图像对之间执行局部配准的模型，建立身体部位的正向对应关系。

    Mar, 2024

  • 来自不同原始扫描数据的 3D 人脸建模

    本文提出了一种创新框架来实现从不同 3D 扫描数据库中共同学习非线性面模型，并建立其扫描之间的稠密点对点对应关系，通过使用 PointNet 架构将输入扫描作为无组织的点云进行转换，从而恢复其 3D 面形，并采用弱监督学习方法来提高方法的稠密对应和表征能力，有助于单帧 3D 面重建。

    Feb, 2019

  • 深度三维人脸识别

    本文提出了一种使用深卷积神经网络和 3D 数据扩增技术的新型 3D 人脸识别算法，表明 2D 人脸图像 CNN 训练的迁移学习可以有效用于 3D 人脸识别，同时采用一种 3D 人脸扫描的数据扩增技术，可以改进 3D 人脸识别的性能。

    Mar, 2017

  • DSFNet: 双空间融合网络用于鲁棒性遮挡的 3D 密集面部对齐

    本文提出了一种将 3D 脸部几何模型在图像和模型空间联合建模的方法，通过稠密预测先回归可见面部区域的图像空间特征，再基于模型空间方法预测模型系数，最终通过融合网络将两种方法的优点结合起来，从而实现无限制情境下高鲁棒性和高精度的 3D 密集面部对齐。

    May, 2023

  • 利用数百万 3D 扫描进行大规模 3D 人脸识别的学习

    提出使用大量的 3D 面部扫描数据和深度学习模型的方法来解决开放世界人脸识别问题，并取得了比现有技术超过 10％的精度提升。

    Nov, 2017

  • 密集人脸对齐

    本文提出一种利用 CNN 进行 3D 面部形状估计的方法，实现了对于姿态变化较大的大角度面部图像的高精度、稠密三维对齐。

    Sep, 2017

  • 基于结构光图像的临床面部登记新方法

    神经外科的一项新方法成功地将结构光图像与 CT 扫描中的颜面深度图像进行了注册，误差很低，有希望在神经外科的临床应用中发挥有效作用。

    May, 2024

  • 基于深度学习的半三维面孔准保形表面配准应用于人脸识别

    该研究提出了一种基于深度学习和拟共形几何的方法，用于处理局部人脸数据的三维人脸注册，其通过使用曲率信息检测面部特征并估计其对应的坐标，从而建立局部人脸和模板表面之间的密集对应关系，实现点对点的几何差异估计及形状比较。

    May, 2024

  • 端到端集成卷积神经网络与三维模型的人脸检测

    该研究提出一种利用 ConvNet 和 3D 平均脸模型的端到端多任务判别学习框架进行野外人脸检测的方法，该方法通过估计面部关键点和每个预测关键点的 3D 变换参数计算面部边界框提案，进而使用面部关键点配置池进一步精化。该方法在 AFLW 数据集和 FDDB 基准测试中取得了非常有竞争力的最新性能。

    Jun, 2016

  • 通过精细面部深度生成和 RGB-D 互补特征学习来提高 2D 面部识别

    本文提出了一种 Fine-grained 面部深度生成网络和改进的多模式补充特征学习网络，实验结果表明，该方法可提高 RGB-D 面部识别的准确性并实现最先进性能。

    May, 2023