ExpNet：无标志点、深度、3D面部表情

我们提出了一种基于深度学习的方法，用于估计三维面部表情系数。与以往的工作不同，我们的方法不依赖于面部标志检测作为中间步骤。近期的研究表明，卷积神经网络（CNN）可以直接从图像强度中训练回归准确且具有区分性的三维可变形模型（3DMM）表示。通过放弃面部标志检测，这些方法能够在前所未有的野外条件下对遮挡的面部进行形状估计。我们在这些方法的基础上进一步证明，面部表情也可以通过一种稳健、深度且无标志点的方法来估计。我们的ExpNet CNN直接应用于面部图像的强度，并回归一个29维的三维表情系数向量。我们提出了一种独特的方法来收集数据以训练该网络，利用了深度网络对训练标签噪声的鲁棒性。此外，我们还提供了一种新颖的评估估计表情系数准确性的方法：通过测量它们在CK+和EmotiW-17情感识别基准上捕捉面部情绪的效果。实验结果表明，我们的ExpNet生成的表情系数比使用最先进的面部标志检测技术获得的表情系数更能区分不同的面部情绪。而且，随着图像尺度的减小，这一优势更加明显，这证明了我们的ExpNet在尺度变化方面比标志点检测方法更具鲁棒性。最后，在相同精度水平下，我们的ExpNet比其他替代方案快几个数量级。