摘要

近年来，由于在人脸化妆、人脸图像生成等众多应用中的巨大潜力，人脸解析（face parsing）任务受到了越来越多的关注。本文从两个方面对人脸解析任务做出了贡献。首先，我们提出了一种高效的人脸像素级标注框架，并构建了一个大规模的、基于关键点引导的人脸解析数据集——LaPa（Landmark-guided face Parsing dataset）。该数据集包含超过22,000张人脸图像，涵盖了丰富的表情、姿态和遮挡变化。每张图像均配有11类像素级语义标签图以及106个关键点地标。该数据集已向学术界公开，旨在推动人脸解析技术的发展。其次，本文提出了一种简单而有效的边界注意力语义分割方法（Boundary-Attention Semantic Segmentation, BASS），该方法采用三分支网络结构，并设计了精心构建的损失函数，以充分挖掘边界信息。在我们构建的LaPa基准数据集以及公开的Helen数据集上的大量实验结果表明，所提方法在人脸解析任务中具有显著优势。