要約
本研究では、ランドマーク検出や顔合わせのタスクが単独かつ独立した問題ではなく、補助情報によってその堅牢性が大幅に向上することを示しています。具体的には、性別、表情、外見属性などの異なるが微妙に関連する顔属性の認識とランドマーク検出を同時に最適化しました。これは容易な問題ではありません。なぜなら、異なる属性推論タスクには学習の難易度と収束速度が異なるからです。この問題に対処するために、新たなタスク制約付き深層モデルを提案しました。このモデルは、タスク間の相関関係を学習するとともに、複数の複雑なタスクを学習する際の最適化収束を促進するための動的なタスク係数を使用します。広範な評価実験により、提案されたタスク制約付き学習が（i）特に重度の遮蔽や姿勢変化のある顔に対して既存の顔合わせ手法よりも優れていることと（ii）カスケード型深層モデルに基づく最先端手法と比較してモデルの複雑さを大幅に削減できることを確認しました。