Jul, 2021

PoseFace: 面部识别的姿态不变特征与姿态自适应损失

PDF
TL;DR该论文提出了一个有效的 PoseFace 框架，它利用人脸特征点来解开姿势不变特征，并利用姿势自适应损失处理训练期间的数据不平衡问题，这在 Multi-PIE、CFP、CPLFW 和 IJB 等基准测试中展现了优越性。
deep learningface recognitionpose variationsfacial landmarksdata imbalance
发现论文，激发创造
  • 基于重建的位姿不变人脸识别解耦

    本文探讨了一种基于深度神经网络的人脸识别方法，针对面部不同位置的姿态变化，在训练数据相对不足的情况下，通过生成非正面视图，提高了数据多样性，并利用特征重建度量学习来显式地分离身份和姿态，实现了不变性和识别准确性。

    Feb, 2017

  • 使用深度多姿态表示进行人脸识别

    使用多个面向姿态的深度学习模型进行人脸识别，其中处理面部图像生成多个具有不同姿态特点的卷积神经网络特征，并使用这些特征的集合来减少对姿势变化的敏感性。在多个实验中，我们展示了该方法在人脸识别任务的表现优于现有技术。

    Mar, 2016

  • 姿态不变人脸识别综述

    本文探讨了姿态不变人脸识别的难点，对几种现有方法进行了介绍和对比，并提出了未来的研究方向。

    Feb, 2015

  • 姿态不变的 3D 人脸对齐

    本文提出一种新的面部对齐算法，利用 3D 可变形模型和级联耦合回归器，估计带有任意姿态的人脸图像的 2D 和 3D 地标及其 2D 可视性。实验结果表明，该算法在所有姿态人脸图像上的表现优于现有方法。

    Jun, 2015

  • 姿态感知的人员识别

    本研究提出多个模型联合训练并在测试中使用姿势感知权重的方法解决全身人物识别中的姿态变化问题。同时，使用网络对多个身体区域进行联合优化，为解决不同场景下的人物识别问题提出了新的基准测试，并证明了该方法在 PIPA 数据集中取得的高准确率。

    May, 2017

  • 野外条件下的大姿态人脸正向化

    本文提出了一种利用深度学习中的 3D 可塑模型进行面部正面化的生成式对抗网络，可以有效提高识别率和处理不同姿势的面部图像。

    Apr, 2017

  • 超越正脸：利用多种线索改善人物识别

    本文介绍了 PPIPA 数据集，提出了一种基于深度卷积网络的 Pose Invariant PErson Recognition (PIPER) 方法来实现照片集中个体识别，实验证明该方法在处理姿态、服装、视角、分辨率和光照等变化时表现优于 DeepFace。

    Jan, 2015

  • 跨大姿态的人脸对齐：一种三维解决方案

    提出了一种新的 3D 密集面部对齐框架 (3DDFA)，通过卷积神经网络 (CNN) 将密集的 3D 面部模型拟合到图像中，解决了面部对齐中的圆形视图问题，面部外观变化剧烈问题和面部关键点标记困难问题，并通过在 profile 视图下合成大规模训练样本来解决关键点标记困难问题，并在具有挑战性的 AFLW 数据库上实验，证明我们的方法明显优于现有最先进方法。

    Nov, 2015

  • FacePoseNet：提出无需关键点的人脸姿态校正方法

    通过卷积神经网络在图像强度的作用下，直接准确和稳定地回归头部在三维中的六自由度姿态，进而使用该 FacePoseNet (FPN) 通过替代显式面部标志检测的方法在二维和三维中对齐面部，我们发现在许多情况下，基准检测准确性可能会误导面部对齐方法的比较。我们的 FPN 方法提供了比现有方法更好的 2D 和 3D 面部对齐，并且耗费的计算资源相对较小，是目前用于面部对齐的更快速和准确的方法。同时，我们使用相同的识别管道但不同的面部对齐方法来评估它们对 IJB-A 和 IJB-B 基准测试的面部识别准确性的影响。

    Aug, 2017

  • 野外多视图人脸对齐

    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