Aktive Bildstrukturen

In diesem Papier präsentieren wir ein neuartiges generatives deformierbares Modell, das von bildlichen Strukturen (PS) und aktiven Erscheinungsmodellen (AAMs) für die Objektausrichtung in freier Wildbahn inspiriert ist. Inspiriert von der Baumstruktur, die in PS verwendet wird, modelliert das vorgeschlagene Modell der aktiven bildlichen Strukturen (APS) das Erscheinungsbild des Objekts mithilfe mehrerer graphbasierter paarweiser Normalverteilungen (Gaussian Markov Random Field) zwischen den Patches, die aus den Regionen um benachbarte Landmarken extrahiert werden. Wir zeigen, dass diese Formulierung genauer ist als die Verwendung einer einzelnen multivariaten Verteilung (Hauptkomponentenanalyse), wie es in der Literatur häufig getan wird. APS verwenden eine gewichtete inverse kompositionale Gauss-Newton-Optimierung mit festem Jacobian und Hessian, die eine annähernd Echtzeitleistung und Ergebnisse auf dem neuesten Stand der Technik erzielt. Schließlich haben APS einen federähnlichen graphbasierten Deformationsprior, der sie robust gegenüber schlechten Anfangswerten macht. Wir präsentieren umfangreiche Experimente zur Gesichtsausrichtung und zeigen, dass APS die aktuellen Methoden auf dem neuesten Stand der Technik übertreffen. Nach unserem besten Wissen ist die vorgeschlagene Methode die erste gewichtete inverse kompositionale Technik, die sich als so genau und gleichzeitig effizient erweist.