초록
얼굴 정렬은 컴퓨터 비전 분야에서 고전적인 문제입니다. 이전 연구들은 주로 제한된 수의 얼굴 랜드마크 포인트를 사용한 희소 정렬, 즉 얼굴 랜드마크 검출에 집중해 왔습니다. 본 논문에서는 처음으로 대각도 얼굴 이미지에 대해 매우 밀집된 3D 정렬을 제공하는 것을 목표로 합니다. 이를 위해 CNN을 훈련시켜 3D 얼굴 모양을 추정하도록 하였으며, 이는 제한된 얼굴 랜드마크뿐만 아니라 얼굴 윤곽과 SIFT 특징점에도 맞춥니다. 또한, 다양한 데이터셋에서 서로 다른 랜드마크 마킹(5, 34, 68 등)으로 인해 CNN을 여러 데이터셋으로 훈련시키는 데 있어서 병목 현상을 해결하였습니다. 실험 결과 본 방법론이 고품질의 밀집 3D 얼굴 피팅을 제공하며, 도전적인 데이터셋에서 최신의 얼굴 랜드마크 검출 방법들을 능가함을 보여주었습니다. 또한, 본 모델은 테스트 중 실시간으로 실행할 수 있습니다.