2ヶ月前

3次元深層初期化回帰木アンサンブルを用いた顔アライメント

Roberto Valle; José M. Buenaposada; Antonio Valdés; Luis Baumela
3次元深層初期化回帰木アンサンブルを用いた顔アライメント
要約

顔合わせアルゴリズムは、制約のない状況で撮影された顔画像において一連のランドマーク点を特定します。最先端の手法は、遮蔽、強い変形、大きな姿勢変動、および曖昧な構成が存在する場合に失敗したり精度が低下したりすることが一般的です。本論文では、3DDE(3D Dense Displacement Estimation)と呼ばれる堅牢かつ効率的な顔合わせアルゴリズムを提案します。このアルゴリズムは、畳み込みニューラルネットワークによって生成された確率マップに3次元顔モデルを堅牢に適合させることで初期化されます。この初期化により、自己遮蔽と大きな顔回転に対処します。さらに、回帰器は解に対して事前に顔形状を暗黙的に課すことで、遮蔽と曖昧な顔構成に対応します。その粗密型の構造は部分変形の組合せ爆発問題を解決します。実験結果によると、3DDEは300W、COFW(Constrained Face in Wild)、AFLW(Annotated Faces in the Wild)、およびWFLW(Wide Face in the Wild)データセットにおいて最先端の手法を超える性能を示しました。最後に、クロスデータセット実験を行い、これらのベンチマークにおける著しいデータセットバイアスの存在を明らかにしました。

3次元深層初期化回帰木アンサンブルを用いた顔アライメント | 最新論文 | HyperAI超神経