摘要

热图回归（HR）已成为面部对齐的主要方法之一，并在受控环境中取得了令人鼓舞的结果。然而，当面部图像存在大姿态变化、严重遮挡和复杂光照时，由于生成的地标热图分辨率较低以及排除了可用于学习更具判别性的特征的重要高阶信息，HR方法的性能会大幅下降。为了解决具有极端大姿态和严重遮挡的面部对齐问题，本文提出了一种热图亚像素回归（HSR）方法和一个多阶交叉几何感知（MCG）模型，并将其无缝集成到一种新颖的多阶高精度沙漏网络（MHHN）中。HSR方法通过精心设计的亚像素检测损失（SDL）和亚像素检测技术（SDT），实现了高精度地标检测。同时，MCG模型能够利用提出的多阶交叉信息，学习更具判别性的表示，以增强面部几何约束和上下文信息。据我们所知，这是首次研究探索热图亚像素回归以实现鲁棒且高精度的面部对齐。来自具有挑战性的基准数据集的实验结果表明，我们的方法在文献中的最新方法中表现优异。