Aggrégation par séparation : Amélioration du détecteur de points clés faciaux avec une traduction de style semi-supervisée

La détection de points caractéristiques faciaux, ou l'alignement facial, est une tâche fondamentale qui a été largement étudiée. Dans cet article, nous explorons une nouvelle perspective de la détection de points caractéristiques faciaux et démontrons qu'elle conduit à des améliorations notables supplémentaires. Étant donné que toute image de visage peut être factorisée en un espace de style capturant l'éclairage, la texture et l'environnement de l'image, et un espace de structure invariant au style, notre idée clé consiste à exploiter les espaces de style et de forme dissociés de chaque individu pour augmenter les structures existantes par traduction de style. Avec ces échantillons synthétiques augmentés, notre modèle semi-supervisé surpasse de manière surprenante le modèle entièrement supervisé avec une marge considérable. De nombreuses expériences montrent l'efficacité de notre approche avec des résultats d'état de l'art sur les jeux de données WFLW, 300W, COFW et AFLW. La structure proposée est générale et peut être intégrée dans n'importe quel cadre d'alignement facial. Le code est rendu publiquement disponible sur https://github.com/thesouthfrog/stylealign.