摘要
面部对齐是计算机视觉领域的一个经典问题。以往的研究大多集中在具有有限数量的面部特征点的稀疏对齐上，即面部特征点检测。本文首次尝试为大姿态人脸图像提供非常密集的三维对齐。为此，我们训练了一个卷积神经网络（CNN）来估计三维人脸形状，该网络不仅能够对有限的面部特征点进行对齐，还能拟合人脸轮廓和SIFT特征点。此外，我们还解决了由于不同数据集上的地标标记差异（如5个、34个、68个地标）而导致的训练CNN时的数据集瓶颈问题。实验结果表明，我们的方法不仅提供了高质量、密集的三维人脸拟合，还在具有挑战性的数据集上优于最先进的面部特征点检测方法。我们的模型在测试过程中可以实现实时运行。