人脸分析：用合成数据来代替真实数据
共 1469字，需浏览 3分钟
·
2021-10-21 00:11
点击上方“机器学习与生成对抗网络”，关注星标
获取有趣、好玩的前沿干货！
杨净 发自 凹非寺 量子位 报道 | 公众号 QbitAI
相信吗？现在训练数据也用合成的了。
而且人脸分析任务上，准确性还不输真实数据的那种。
这是微软团队的一项最新研究，论文标题就已经说明了一切。
Fake it till you make it.
文章介绍了一种程序生成的3D人脸模型与一个合成数据库结合起来训练图像，结果人脸解析等任务上，效果与真实数据相当。
研究人员表示，为一些不可能实现人工标注的地方，开辟了新方法。
是不是以后真就告别人工标注了？！
如何实现？
要想让人脸数据集更加多样化、丰富化，靠收集和标注越来越难以实现。
且不说收集，比如网络抓取，可能带来重大的隐私和版权问题。而人工标注，很容易导致出错或者标签不一致的情况。
因此，研究团队就考虑用合成数据来增加或替代真实数据。然鹅，此前因为人脸模型本身复杂实现难度较为困难。
那么这次是如何实现的呢？
第一步，用程序生成合成面孔，包括身份、表情、面部纹理，以及发型和衣着，不同光线环境下的效果。
所有这些数据都是独立采样，提前“手动”去除噪音，以确保创建更多样化的个体。
比如在人脸模型上，就是这样滴～
还有像衣着，则是由服装设计师和模拟软体设计师手工制作的，共有30套各种各样的衣服。
还包括头饰(36件)、面具(7件)和眼镜(11件) 。
除此以外，还合成了标签。
接着到了训练阶段，研究人员创建了一个10万张分辨率为512 × 512的图像的数据集，并做了数据增强处理，共用了150 张NVIDIA M60 GPU渲染48小时。
此外，团队还训练了人脸解析网络（仅使用合成数据）和标签适应网络，以解决合成标签和人工注释标签之间的系统差异。
最终，人脸分析、地标定位等任务上的效果与其他采用真实数据的模型相当。
不过，研究人员也承认这项技术仍然有一定局限性。
比如人脸模型只有头部和颈部、无法模拟真实的皱纹、随机匹配人脸时会得到一些不合常理的面孔，比如有胡须的女性。
在接下来的工作中，他们计划将解决这些局限性。
好了，感兴趣的旁友可戳下方论文链接～
论文链接：
https://www.arxiv-vanity.com/papers/2109.15102/
猜您喜欢：
CVPR 2021 | GAN的说话人驱动、3D人脸论文汇总
附下载 |《TensorFlow 2.0 深度学习算法实战》