CVPRNov, 2019

面部分割和解析结构学习中的共识方法

PDF
TL;DR通过共识训练和鲁棒性损失函数，实现面部像素细分，并保持空间一致性，得到更少伪影、更少稀疏遮罩和更空间连续的像素预测。
face segmentationpixel labelingconsensus trainingspatial consistencyrobust loss function
发现论文，激发创造
  • 适用于人脸分割的参数高效的本地隐式图像函数网络

    通过提出的本地隐式函数网络，我们在不预训练的情况下，提出了一种轻量级的人脸分割方法 FP-LIIF，使用卷积编码器和像素 MLP 解码器，并且相对于现有方法，我们的网络可以在不更改输入分辨率的情况下生成不同分辨率的分割，且模型尺寸小且速度更快，适用于低计算资源或低带宽设备。

    Mar, 2023

  • 通过循环传播进行人脸解析

    本文提出了结合 CNN 层次表示和基于空间变量递归神经网络的准确标签传播的面部分割算法，能够实现高效的面部图像分析，适用于实时应用。

    Aug, 2017

  • 面部解析的边缘感知图表示学习和推理

    本文提出一种采用图表示法学习面部解析的方法，通过对面部不同区域之间的关系进行建模和推理，并利用区域之间的边缘信息进行优化抽象，较好地完成了对面部图像的细分割。

    Jul, 2020

  • 构建大规模人脸解析基准的高效框架

    本文提出了一种高效的人脸解析注释框架和 “Dense Landmark Guided Face Parsing (LaPa)” 数据集，以及一个基于此数据集的新的边界敏感解析网络（BSPNet）。

    May, 2019

  • 全局，实例级人体解析

    该论文讨论了通过实例级别的语义部件分割实现目标解析的方法。网络结构由分类级别分割模块以及可处理每个图像中不同数量人体检测结果的差分有条件随机场组成，网络通过单次前向传递输出实例级别部件和人体部分分割结果，同时能够实现有效的目标计数和分类级别部分分割。

    Sep, 2017

  • AGRNet：面部解析的自适应图表达学习和推理

    本文提出一种用于面部解析的自适应图形表示学习和图形推理方法，旨在学习描述每个组件的代表性顶点，利用组件之间的关系，对面部区域中的歧义像素产生准确的解析结果。实验结果证明了所提出模型在多个面部解析数据集上的卓越性能，同时验证了其在人体解析任务中的通用性。

    Jan, 2021

  • 迭代实例分割

    通过将结构化预测降低到一系列无约束的预测问题，本文演示了该方法能够自动从数据中发现形状，区域预测的连续性和区域轮廓的平滑性的先验知识，从而在实例分割任务上优于最先进的技术。

    Nov, 2015

  • 像素目标性

    本文提出了一种端到端的学习框架，其中使用深度卷积网络实现了将前景 / 背景标签分配给所有像素的结构化预测，在无需看到训练期间未曾见过的物体类别的情况下生成了像素级的前景对象分割，并在 ImageNet 和 MIT ObjectDiscovery 数据集上显著改善了前景分割的最新技术成果。我们最后展示了该方法如何使图像检索和图像重排具备更好的应用前景图。

    Jan, 2017

  • Look into Person: 自监督的结构感知学习和人体解析新基准

    本篇文章介绍了一个名为 “Look into Person (LIP)” 的新的数据集，该数据集包含 50,000 多张具有 19 个语义部件标签的图像，是一个可扩展性、多样性和难度方面的重大进展，并且使用自监督学习方法解决了人体解析的问题。

    Mar, 2017

  • 多尺度特征学习、纯度树和最优覆盖的场景解析

    将场景解析或语义分割应用于图像，使用从原始像素训练的多尺度卷积网络作为特征提取器，将图像分割成多个区域，并对每个区域分类，从而实现对象检测和图像标注。

    Feb, 2012