2달 전

3D 깊게 초기화된 회귀 트리 앙상블을 이용한 얼굴 정렬

Roberto Valle; José M. Buenaposada; Antonio Valdés; Luis Baumela
3D 깊게 초기화된 회귀 트리 앙상블을 이용한 얼굴 정렬
초록

얼굴 정렬 알고리즘은 제약 없이 촬영된 얼굴 이미지에서 랜드마크 점들의 집합을 찾는다. 최신 접근 방식들은 일반적으로 가림, 강한 변형, 큰 자세 변화 및 모호한 구성이 있는 경우 실패하거나 정확도를 잃는다. 본 논문에서는 3DDE(3D Dense Displacement Estimation)라는 이름의 강건하고 효율적인 얼굴 정렬 알고리즘을 소개한다. 이 알고리즘은 합성곱 신경망이 생성한 확률 맵에 3D 얼굴 모델을 강건하게 맞추어 초기화된다. 이러한 초기화를 통해 자가 가림과 큰 얼굴 회전 문제를 해결한다. 또한, 회귀 트리 앙상블의 캐스케이드 구조는 솔루션에 사전 얼굴 형태를 암시적으로 부과하여 가림과 모호한 얼굴 구성 문제를 해결한다. 그 거친-정교한 구조는 부분 변형의 조합 폭발 문제를 다룬다. 수행된 실험에서 3DDE는 300W, COFW, AFLW 및 WFLW 데이터 세트에서 최신 기술보다 우수한 성능을 보였다. 마지막으로, 크로스-데이터셋 실험을 수행하여 이러한 벤치마크에 상당한 데이터 세트 편향이 있음을 밝혔다.

3D 깊게 초기화된 회귀 트리 앙상블을 이용한 얼굴 정렬 | 최신 연구 논문 | HyperAI초신경