信頼的焦点強化による顔のランドマーク検出

深層学習手法は、顔のランドマーク検出（Facial Landmark Detection: FLD）タスクの性能に著しい改善をもたらしました。しかし、頭部の姿勢変化、誇張された表情、または不均一な照明などの困難な条件下でのランドマーク検出は、高い変動性と不足したサンプル数のために依然として課題となっています。この不十分さは、モデルが入力画像から適切な顔構造情報を効果的に取得できないことに起因しています。これを解決するために、FLDタスク専用に設計された新しい画像拡張技術を提案します。この新規拡張技術を効果的に活用するため、Deep Canonical Correlation Analysis（DCCA）に基づく損失関数を持つ双子ネットワーク（Siamese architecture）ベースの訓練メカニズムを使用し、入力画像の異なる2つの視点から高次特徴表現の集合的な学習を達成します。さらに、双子ネットワークの堅牢なバックボーンとして、カスタムアワーガラスモジュールを備えたTransformer + CNNベースのネットワークを採用しています。広範な実験結果は、当方の手法が様々なベンチマークデータセットにおいて複数の最先端手法を上回ることを示しています。