摘要

面部特征点之间具有高度相关性，因为某个特征点的位置可以通过其邻近的特征点来估计。现有的大多数深度学习方法仅使用一个全连接层（称为形状预测层）来估计面部特征点的位置。在本文中，我们提出了一种新的深度学习框架——多中心学习（Multi-Center Learning），该框架包含多个形状预测层，用于面部对齐。具体而言，每个形状预测层分别专注于检测一组语义相关的特征点。首先关注的是那些具有挑战性的特征点，然后每组特征点分别进行进一步优化。此外，为了降低模型复杂度，我们提出了一种模型组装方法，将多个形状预测层整合为一个形状预测层。大量实验表明，我们的方法在处理复杂的遮挡和外观变化时具有实时性能且效果显著。我们的方法代码已发布在 https://github.com/ZhiwenShao/MCNet-Extension。