초록
얼굴 랜드마크는 서로 매우 밀접하게 연관되어 있어, 특정 랜드마크는 그 주변의 랜드마크를 통해 추정될 수 있습니다. 기존의 대부분의 딥러닝 방법은 얼굴 랜드마크 위치를 추정하기 위해 하나의 완전 연결 계층인 형상 예측 계층(shape prediction layer)만을 사용합니다. 본 논문에서는 다중 중심 학습(Multi-Center Learning)이라는 새로운 딥러닝 프레임워크를 제안하며, 이는 여러 개의 형상 예측 계층을 사용하여 얼굴 정렬(face alignment)을 수행합니다. 특히, 각 형상 예측 계층은 의미적으로 관련된 특정 클러스터의 랜드마크 검출에 중점을 두며, 어려운 랜드마크부터 먼저 집중하고, 각 클러스터의 랜드마크는 각각 추가로 최적화됩니다. 또한 모델 복잡도를 줄이기 위해, 우리는 여러 개의 형상 예측 계층을 하나의 형상 예측 계층으로 통합하는 모델 조립 방법을 제안합니다. 광범위한 실험 결과, 우리 방법은 실시간 성능으로 복잡한 가림 현상(occlusions)과 외관 변화(appearance variations)를 효과적으로 처리할 수 있음을 보여주었습니다. 본 방법에 대한 코드는 https://github.com/ZhiwenShao/MCNet-Extension에서 제공됩니다.