초록
얼굴 정렬은 이미지에 얼굴 모델을 맞추고 얼굴 픽셀의 의미적 특성을 추출하는 것으로, 컴퓨터 비전 분야에서 중요한 주제였습니다. 그러나 대부분의 알고리즘은 작은 각도에서 중간 각도(45도 미만)의 얼굴을 대상으로 설계되어 있어, 90도까지의 큰 각도에서 얼굴을 정렬하는 능력이 부족합니다. 이 문제는 세 가지 측면에서 도전과제를 제시합니다: 첫째, 일반적으로 사용되는 랜드마크 기반 얼굴 모델은 모든 랜드마크가 보이는 것을 가정하므로 프로필 뷰에는 적합하지 않습니다. 둘째, 큰 각도에서는 얼굴의 외관이 전면 뷰부터 프로필 뷰까지 크게 변화하기 때문에, 이러한 변화를 처리하는 것이 더욱 어렵습니다. 셋째, 큰 각도에서 랜드마크를 라벨링하는 것은 보이지 않는 랜드마크를 추측해야 하기 때문에 매우 어려운 작업입니다.본 논문에서는 이러한 세 가지 문제를 해결하기 위한 새로운 정렬 프레임워크인 3D 밀집 얼굴 정렬(3DDFA)을 제안합니다. 이 프레임워크는 합성곱 신경망(CNN)을 통해 이미지에 밀집된 3D 얼굴 모델을 맞춥니다. 또한, 프로필 뷰에서 대규모 훈련 샘플을 합성하여 데이터 라벨링 문제를 해결하기 위한 방법도 제안합니다. 어려운 AFLW 데이터베이스에서 수행한 실험 결과, 본 접근 방식이 최신 방법론들보다 상당한 개선 효과를 나타냈습니다.