深層ニューラルネットワークを用いた堅牢で判別力のある3Dモーファブルモデルの回帰

顔の3D形状が識別力を持つことは広く知られています。しかし、それにもかかわらず、顔認識にはほとんど使用されず、常に制御された視点条件下でしか利用されていません。私たちは、これは単一ビューの3D顔再構成の既存手法において深刻でありながらしばしば見落とされる問題の症状であると主張します：「野外」で適用すると、同じ被験者の異なる写真に対して3D推定値が不安定で変化するか、または過度に正規化され、一般的なものになります。これに対応して、識別力のある3D変形可能な顔モデル（3DMM）を回帰する堅牢な方法を説明します。入力画像から直接3DMMの形状およびテクスチャパラメータを回帰するために畳み込みニューラルネットワーク（CNN）を使用しています。この目的のために必要な訓練データの不足を克服するために、大量のラベル付きサンプルを生成する方法を提供しています。私たちのCNNによって生成された3D推定値は、MICCデータセットでの最先端の精度を超えています。3D-3D顔マッチングパイプラインと組み合わせることで、LFW、YTFおよびIJB-Aベンチマークにおいて3D顔形状を使用した表現により初めて競争力のある顔認識結果を示しました。他の現代システムでは使用される不透明な深層特徴ベクトルではなく、これらの結果は重要な進歩です。以上が翻訳となります。ご確認ください。