Ein neuer Datensatz und grenzgefilterte semantische Segmentierung für Face Parsing

Face Parsing hat in letzter Zeit zunehmendes Interesse aufgrund seiner vielfältigen Anwendungsmöglichkeiten, wie beispielsweise Gesichtsrekonstruktion und die Generierung von Gesichtsbildern, hervorgerufen. In diesem Artikel leisten wir Beiträge zum Face Parsing-Task aus zwei Perspektiven. Erstens entwickeln wir einen hoch-effizienten Rahmen für die pixelgenaue Annotation von Gesichtern und erstellen zudem eine neue, großskalige, durch Merkmale geleitete Gesichts-Parsing-Datenbank (LaPa). Diese umfasst über 22.000 Gesichtsbilder mit reichhaltigen Variationen in Ausdruck, Pose und Verdeckung; jedes Bild in LaPa wird mit einer pixelgenauen Etikettierung aus 11 Kategorien sowie 106 Merkmalspunkten versehen. Die Datenbank ist der wissenschaftlichen Gemeinschaft öffentlich zugänglich, um den Fortschritt im Bereich des Face Parsing zu fördern. Zweitens stellen wir eine einfache, jedoch wirksame Methode namens Boundary-Attention Semantic Segmentation (BASS) für das Face Parsing vor, die ein dreigeteilter Netzwerk mit sorgfältig entworfenen Verlustfunktionen beinhaltet, um die Randinformationen optimal auszunutzen. Umfangreiche Experimente auf unserer LaPa-Benchmark-Datenbank sowie auf der öffentlichen Helen-Datenbank belegen die Überlegenheit des vorgeschlagenen Ansatzes.