摘要
面部对齐是指将面部模型拟合到图像中并提取面部像素的语义意义，一直是计算机视觉领域的研究热点。然而，大多数算法仅适用于小到中等角度（小于45度）的面部，缺乏对大角度（高达90度）面部进行对齐的能力。这一问题存在三个主要挑战：首先，常用的基于特征点的面部模型假设所有特征点都是可见的，因此不适合侧面视图；其次，大角度下的面部外观变化更为剧烈，从正面视图到侧面视图的变化范围较大；最后，在大角度下标注特征点极为困难，因为需要猜测不可见的特征点。在本文中，我们提出了一种新的对齐框架——三维密集面部对齐（3D Dense Face Alignment, 3DDFA），通过卷积神经网络（CNN）将密集的三维面部模型拟合到图像中。此外，我们还提出了一种方法来合成大规模的侧面视图训练样本，以解决数据标注的第三个问题。在具有挑战性的AFLW数据库上的实验表明，我们的方法相比现有最先进方法取得了显著改进。