Gesichtsausrichtung durch explizite Formregression

Wir präsentieren einen sehr effizienten und hochgenauen Ansatz zur Gesichtsalignierung basierend auf „Explicit Shape Regression“. Im Gegensatz zu früheren regressionsbasierten Methoden lernen wir direkt eine vektorielle Regressionsfunktion, um die gesamte Gesichtsform (eine Menge von Gesichtslandmarken) direkt aus dem Bild abzuleiten, und minimieren explizit die Alignierungsfehler über die Trainingsdaten. Die inhärente Formbeschränkung wird dabei in einem kaskadierten Lernframework natürlicherweise in den Regressor eingebettet und während der Testphase von grob nach fein angewendet, ohne dass wie bei den meisten früheren Methoden ein festgelegtes parametrisches Formmodell benötigt wird. Um die Regression effektiver und effizienter zu gestalten, haben wir eine zweistufige Boosted-Regression, formindizierte Merkmale sowie eine korrelationsbasierte Merkmalsauswahl entwickelt. Diese Kombination ermöglicht es uns, präzise Modelle aus großen Trainingsdatensätzen in kurzer Zeit zu lernen (20 Minuten für 2.000 Trainingsbilder) und die Regression im Test sehr schnell auszuführen (15 ms für eine Form mit 87 Landmarken). Experimente an anspruchsvollen Datensätzen zeigen, dass unser Ansatz sowohl hinsichtlich Genauigkeit als auch Effizienz deutlich die derzeit besten Verfahren übertrifft.