동적 주의 제어를 활용한 캐스케이드 형태 회귀: 훈련 데이터 증강과 퍼지 집합 샘플 가중치 활용

우리는 제약 조건이 없는 얼굴에서 견고한 얼굴 랜드마크 검출을 위해 새로운 캐스케이드 형태 회귀(CSR) 아키텍처, 즉 동적 주의 제어 CSR(DAC-CSR)를 제시합니다. 우리의 DAC-CSR은 얼굴 랜드마크 검출을 세 가지 캐스케이드 하위 작업으로 나눕니다: 얼굴 경계 상자 개선, 일반 CSR 및 주의 제어 CSR입니다. 첫 두 단계에서는 초기 얼굴 경계 상자를 개선하고 중간 얼굴 랜드마크를 출력합니다. 그 다음, 온라인 동적 모델 선택 방법을 사용하여 더 정밀한 랜드마크 개선을 위한 적절한 도메인별 CSRs를 선택합니다. 우리 DAC-CSR의 핵심 혁신은 주의 제어 도메인별 모델 훈련에 퍼지 집합 샘플 가중치를 사용하는 오류 용납 메커니즘입니다. 또한, 간단하지만 효과적인 2D 프로필 얼굴 생성기와 컨텍스트 인식 특징 추출을 통해 더 나은 얼굴 특징 표현을 위한 데이터 증강을 주장합니다. 어려운 데이터셋에서 얻은 실험 결과는 우리의 DAC-CSR이 최신 기술보다 우수함을 입증합니다.