FacePoseNet: 랜드마크 없는 얼굴 정렬의 중요성 논하기

우리는 간단한 컨벌루션 신경망(CNN)이 이미지 강도에서 직접적으로 정확하고 안정적으로 6개의 자유도(6DoF) 3D 머리 자세를 회귀할 수 있도록 훈련시키는 방법을 설명합니다. 또한 이 FacePoseNet(FPN)이 이러한 작업을 위해 명시적인 얼굴 랜드마크 검출 대안으로 사용되어 2D 및 3D에서 얼굴을 정렬하는 방법을 설명합니다. 우리는 많은 경우에 300W 벤치마크에서 측정된 랜드마크 검출기의 정확성을 비교할 때 표준적인 측정 방법이 오해를 일으킬 수 있다고 주장합니다. 대신, 우리는 IJB-A 및 IJB-B 벤치마크에서 얼굴 인식 정확성에 미치는 영향을 평가하여 우리의 FPN을 기존 방법들과 비교합니다: 같은 인식 파이프라인을 사용하지만, 얼굴 정렬 방법은 다르게 적용합니다. 우리의 결과는 다음과 같습니다: (a) 300W 벤치마크에서 측정된 더 나은 랜드마크 검출 정확성이 반드시 더 나은 얼굴 인식 정확성을 의미하지는 않습니다. (b) 우리의 FPN은 두 벤치마크 모두에서 우수한 2D 및 3D 얼굴 정렬을 제공합니다. 마지막으로, (c) FPN은 유사한 정확도를 가진 랜드마크 검출기에 비해 계산 비용의 작은 부분만으로 얼굴을 정렬합니다. 따라서 많은 용도에서 FPN은 얼굴 랜드마크 검출기를 사용하는 것보다 훨씬 빠르고 훨씬 더 정확한 얼굴 정렬 방법입니다.