FAB: 适用于运动模糊视频的稳健人脸关键点检测框架
本文介绍了一种结合数据和模型的方法来完成面部关键点的检测,即先利用全卷积网络(Fully Convolutional Network, FCN)来生成脸部所有关键点的响应图,再利用Point Distribution Model(PDM)生成初始面部形状,最后使用加权变体的正则化关键点均值漂移(RLMS)来微调面部形状,实验表明本文提出的方法在面部表情、头部姿态和部分遮挡等挑战性数据集上都能够取得最好的表现。
Nov, 2016
本文提出了一种联合多视角卷积网络,用于处理野外环境下面部姿态的大幅度变化,并优雅地桥接面部检测和面部标记定位任务,该方法对于半正面和侧面脸可检测和对齐大量关键点,并在多个数据集上证明了对于面部追踪和面部检测的显著改进。
Aug, 2017
综述了面部关键点检测算法的发展历程,将其分为三种不同的分类方法:全局方法、约束局部模型方法和回归方法,并对其进行了分类讨论,比较了它们在受不同因素影响下的性能表现。此外,还列举了面部关键点检测的基准数据库和现有软件,并指出了未来的研究方向。
May, 2018
本文利用加速技术,设计了一个紧凑的人脸特征点检测模型,在不同的自然环境下,如不受限制的姿态、表情、光照和遮挡,取得了很高的检测精度和超快的速度,通过旋转信息的估计进行几何规范化特征定位,同时还采用不同样本权重的一种新误差函数,用于平衡数据不均衡的问题,并在多个面部特征检测数据集上表现出卓越的性能。
Feb, 2019
本文提出了 KeypointGAN 方法,通过从未标注的视频和基于弱领域先验知识的学习,仅使用单个图像就可以识别物体的姿态,利用一个新的物体的双重表示方法,并且这种方法可以在不使用标注图像的情况下获得最新的成果。
Jul, 2019
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
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
本文提出了一种基于Deep Equilibrium Model的级联计算方法--Landmark DEQ (LDEQ),在面部关键点检测上取得了最先进的性能,并针对视频数据集提出了Recurrence without Recurrence(RwR)范式,通过引入新的评估指标NMF和发布新的面部标记视频数据集WFLW-V,大大减少了面部关键点的抖动。
Apr, 2023