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
提出一种框架,包括四个阶段:脸部检测,边界框聚合,姿态估计和特征点定位。实验结果表明,该框架在人脸检测和特征点定位方面优于其他先进算法。
May, 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
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
提出了一种基于模型的联合框架,用于同时进行面部标志检测,头部姿态估计和面部变形分析。
Sep, 2017
通过未标定的 2D 图像在无监督的方式下重建 3D 面部,并针对稠密地标进行预测,该方法在模型大小和计算成本上优于现有方法,并在各种头部姿势和面部变化中展现了高效性。
Aug, 2023
本文介绍了一种名为 MaskFace 的高精度人脸和关键点检测模型,该模型通过多任务模型同时解决人脸检测和关键点定位问题,并在多个任务数据集上实现了良好的性能。
May, 2020
提出一种基于分离和汇聚策略的面部标记定位方法,名为 AnchorFace,通过参考回归锚定模板和聚合结果降低面部姿态变化对结果的影响,在 AFLW、300W、Menpo 和 WFLW 数据集上取得了最先进的成果和高效的推理速度。
Jul, 2020