Alignement Facial Dense

L'alignement facial est un problème classique dans le domaine de la vision par ordinateur. Les travaux précédents se concentrent principalement sur l'alignement épars avec un nombre limité de points d'intérêt faciaux, c'est-à-dire la détection de points d'intérêt faciaux. Dans cet article, pour la première fois, nous visons à fournir un alignement 3D très dense pour des images de visages en grandes poses. Pour y parvenir, nous entraînons un CNN (Convolutional Neural Network) pour estimer la forme 3D du visage, qui non seulement aligne les points d'intérêt faciaux limités mais s'adapte également aux contours du visage et aux points caractéristiques SIFT (Scale-Invariant Feature Transform). De plus, nous abordons le goulot d'étranglement de l'entraînement du CNN avec plusieurs jeux de données, en raison des différentes annotations de points d'intérêt sur différents jeux de données, tels que 5, 34 et 68 points. Les résultats expérimentaux montrent que notre méthode fournit non seulement une adaptation 3D dense de haute qualité mais surpass également les méthodes actuelles de détection de points d'intérêt faciaux sur des jeux de données difficiles. Notre modèle peut fonctionner en temps réel lors des tests.