FR:Face Recovery
FCN:facial component deep network
自然条件下,因为角度,光线,occlusions(咬合/张口闭口),低分辨率等原因,使人脸图像在个体图像之间有很大的差异,影响人脸识别的广泛应用。本文提出了一种新的深度学习模型,可以学习人脸图像看不见的一面。因此,模型可以在保持个体之间的差异的同时,极大的减少了单个个体人脸图像(同一个人)之间的差异。与当前使用2d环境或者3d环境来进行人脸重建的方法不同,该方法直接从人脸图像之中学习到图像中的规则观察体(canonical view,标准正面人脸图像)。作者开发了一种从个体图片中自动选择/合成canonical view的方法。在应用方面,该人脸恢复方法已经应用于人脸核实。同时,该方法在LFW数据集上获得了当前最好成绩。该文章的亮点在于:新的检测/选择canonical view方法;训练深度神经网络来重建人脸正面标准图片。