CVPRMar, 2019

语义对齐：寻找面部标志检测中语义一致的真实情况

PDF
TL;DR本文提出一种基于深度学习的新型概率模型，解决人脸关键点检测中存在的语义模糊问题，并提出了全局热力图校正单元进行精确定位，并通过图像和视频数据库的实验证明本文方法能够显著提高人脸关键点检测的精确性。
deep learningfacial landmark detectionsemantic ambiguityprobabilistic modelglobal heatmap correction unit
发现论文，激发创造
  • 语义对齐和物体关键点检测的联合学习

    本文提出了一种基于卷积神经网络的联合学习方法，以在语义相似的图像中获得稠密对应和发现对象地标，在解决训练数据不足方面取得了显著成效，并引入了概率学习方法以提高框架的稳健性，该方法在语义匹配和地标检测的多个标准基准测试中取得了最新的最佳表现。

    Oct, 2019

  • 基于地标引导的语义部件分割的 CNN 级联

    本文提出一种卷积神经网络级联架构，利用关键点嵌套的姿态特定信息进行语义部件分割，经测试该网络在面部数据集上具有较高性能。

    Sep, 2016

  • 利用半监督学习改进地标定位

    本研究提出了两种技术来改善局部标记数据集中的地标定位。第一种技术是顺序多任务，利用分类或回归任务的类标签引导未标记数据的局部标记定位。第二种是基于无监督学习的方法，通过模型预测图片上的等变地标来提高地标定位，本文在两个玩具数据集和四个实际数据集上进行实验，包括手和脸部， 并在只有 5％标记图像的条件下，跑过了之前在 AFLW 数据集上的最新 state-of-the-art 算法。

    Sep, 2017

  • FaceLift: 半监督的三维面部关键点定位

    介绍了一种采用半监督学习方法，在没有 3D 地标数据集的情况下，通过直接提取（可见的）手工标记的 2D 地标，并确保更好的定义对齐，从而学习 3D 地标。该方法利用 3D 感知的生成对抗网络进行更好的多视角一致性学习，并利用实景多帧视频进行鲁棒的跨领域泛化。实证实验证明，该方法不仅在 2D-3D 地标之间实现了更好的定义对齐，还在 3DMM 标记和摄影测量基准数据集上优于其他监督学习的 3D 地标定位方法。

    May, 2024

  • 无限 3D 关键点：提升连续 2D 面部关键点检测

    这篇论文主要探讨了人脸标记探测器的实际应用中存在的三个重要问题，并展示了如何通过特定的架构改进来提高其准确性和时间稳定性。

    May, 2024

  • 无监督地标发现的一致性引导瓶颈

    我们通过引入一种基于图像重构的一致性引导瓶颈，在无监督的条件下探索目标标记的发现问题，利用标记的一致性测量与伪地面真值的兼容性得分来生成自适应热图，通过在图像间形成标记对应来获得伪监督，在自适应热图的生成中调节发现标记的不确定性，使得一致的标记高于嘈杂的标记，提供改进鲁棒性的有效结构信息，对 MAFL，AFLW，LS3D，Cats 和 Shoes 等五个不同数据集进行的评估表明，所提出的方法相比现有的最先进方法表现出色。

    Sep, 2023

  • 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

  • 拉普拉斯地标定位

    本文提出了一种采用 LaplaceKL 目标和对抗训练框架的深度学习方法，处理具有挑战性数据的面部地标检测技术，并通过使用未标记的数据来提高模型性能，具有实时表现、实用价值，并在所有的 300W 基准测试中取得最佳效果及在人脸地标的 AFLW 数据集中排名第二。

    Mar, 2019

  • 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