SCAF：少ないアノテーションデータを用いた顔アライメントにおける自己符号化器のスキップ接続

教師あり顔面アライメント手法は、精度および一般化性能において良好な結果を得るためには大量の訓練データを必要とする。しかし、顔面アライメントデータセットは数千件程度にとどまりがちであり、その結果、特定の訓練データセットに対して過学習しやすくなる。この問題を緩和するため、ラベル付きデータとラベルなしデータを併用する半教師あり手法（例：TS3や3FabRec）が登場している。本論文では、自動符号化器にスキップ接続を導入した顔面アライメント手法「SCAF（Skip-Connections in Auto-encoder for Face alignment）」を提案する。本手法は3FabRecをベースとしつつ、エンコーダとデコーダの間にスキップ接続を追加することで、特に困難なサンプルにおけるランドマーク予測性能を向上させた。さらに、本研究では顔面アライメントタスクに初めてアクティブラーニングを適用し、ヒートマップの品質を評価するための新しい獲得関数「ネガティブ近傍マグニチュード（Negative Neighborhood Magnitude）」を提案する。これらの2つの提案は、限られたデータでの学習において、複数の顔面アライメントデータセット上で有効性を示した。