ECCVOct, 2022

ArtFacePoints：绘画与印刷品中的高分辨率面部关键点检测

PDF
TL;DR该论文提出了一种基于深度学习的方法，用于在高分辨率的艺术品图像中检测面部特征点，将任务分为全局网络和多个区域网络，并且该方法在艺术品高分辨率数据集上证明了较高的准确性。
facial landmark detectionartworksdeep learninghigh-resolution imagesregion networks
发现论文，激发创造
  • 漫画图像的面部特征点检测

    本文提出一种基于 Deep Alignment Network 深度学习方法的漫画面部标记检测新模型，成功地在 80％以上的情况下检测到了面部特征点。

    Nov, 2018

  • 猫脸部关键点的自动检测

    动物情感计算领域的重要挑战之一是缺乏高质量的数据集，本文提出了一个以猫脸图像为基础的新数据集，并通过使用面部标志检测卷积神经网络模型，在猫脸上取得了优异性能，同时该模型也具有推广到人脸标志检测的潜力。

    Oct, 2023

  • 面部特征点检测：文献综述

    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

  • 重新审视面部关键点检测：使用深度神经网络的高效方法

    本研究旨在评估迁移学习模型，包括 MobileNetV2 和 NasNetMobile，以及自定义 CNN 体系结构，在模型大小、参数和推理时间方面开发高效的深度学习模型，并研究数据增强和微调对这些模型的影响。MobileNetV2 体系结构产生了最低的 RMSE 和推理时间，而以人工优化的 CNN 体系结构与 Auto Keras 调整的体系结构表现类似。

    May, 2022

  • LaFIn: 基于地标引导的人脸修复生成模型

    本文提出了一种基于深度学习的人脸修复算法，结合人脸关键点预测和图像修复，实现了对人脸姿态、表情和遮挡等多方面的修复。在 CelebA-HQ 和 CelebA 数据集上的实验表明，该算法在视觉效果和定量评估上均超过了现有算法。同时，本文还发现高质量的修复图像和其关键点可以有效提高关键点预测模型的性能，在 300W 和 WFLW 数据集上也得到了验证。

    Nov, 2019

  • 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

  • 基于面部标志和神经网络的实时面部表情识别

    本研究提出了一种基于静态图片实现的轻量级算法，用于实时进行人脸表情识别、情绪分类和特征提取。 Multi-Layer Perceptron (MLP) 神经网络是基于前面的算法进行训练的，提取几何和纹理特征，生成特征向量，用于训练三层 MLP，其测试准确度达到 96%。

    Jan, 2022

  • 3D 照片的全自动标志地和面部分割

    使用基于深度学习的方法，该研究发展和评估了一种自动化头影测量标注方法。该方法在三维面部立体摄影中实现了自动的标注，能够精确和一致地标记关键点，可用于大数据集的定量分析，诊断，随访和虚拟手术规划。

    Sep, 2023

  • 106 点面部标记定位的大挑战

    本文介绍了一个面部标志定位数据集 JD-landmark，图像中的面部区域用 106 个标志进行了手动注释。通过基于该数据集的挑战赛验证了许多有效且鲁棒的面部标志定位方法。

    May, 2019

  • 稠密特征点的 3D 面部重建

    该研究论文提出了一种通过使用合成数据达到高密度标记点的方法来进行面部重建的方法，并成功将其用于嘴巴和眼睛等部位进行表情捕捉，从而取得了在单目 3D 面部重建方面的最新成果。

    Apr, 2022