人脸算法更佳综述人脸检测综述( 二 ) _算法

本次调查的组织结构基于总体MER管道:
2D CNN和3D CNN的组合结构及其在中国科学院海洋研究所的应用:
概述6 基于未标定图像的三维人脸重建技术综述标题:基于未标定图像的三维人脸重建技术综述作者:Araceli Morales，Federico M. Sukno链接:https://arxiv.org/abs/2011.05740
本文整理出相关文献203篇。
近年来，将3D数据融合到人脸分析及其应用中受到了广泛关注。虽然它提供了更精确的面部表示，但是3D面部图像的获取比2D照片更复杂。在投入大量精力开发系统后，这些系统可以从未校准的2D图像中重建3D人脸。但是从3D到2D的人脸重建问题并不适用，需要先验知识来限制求解空。本文回顾了近十年来的三维人脸重建，重点介绍了仅使用在非受控条件下拍摄的2D图像的。本文基于添加先验知识的技术对已提出的进行了分类，考虑了三种主要策略，即统计模型拟合、光度学和深度学习，并分别进行了评述。此外，鉴于统计三维人脸模型作为先验知识的相关性，本文还解释了构建过程，并提供了公开可用的三维人脸模型的完整列表。
可用的3DMM功能:
摘要七深度假货和其他:人脸操纵和假货检测调查标题:深度假货:人脸操纵和假货检测概述作者:鲁本·托洛萨纳，哈维尔·奥尔特加-加西亚链接:https://arxiv.org/abs/2001.00179
本文整理了105篇相关文献。
本文对人脸图像处理技术(包括DeepFake )和检测这些技术的进行了全面的总结。讨论了四种类型的面部操作:全脸合成、DeepFakes、面部属性操作和面部表情操作。
各面部手术组的真假例子:
概述8 基于深度学习的单样本人脸识别研究综述标题:基于深度学习的单样本人脸识别研究综述作者:陈德龙，李链接:
本文整理了62篇相关文献。
在某些实际情况下，训练集中的每个身份只有一个样本。这种情况被称为每人单样本(SSPP)，这对有效的训练深度模型提出了很大的挑战。为了解决这个问题，释放深度学习的全部潜力，近年来提出了许多基于深度学习的SSPP人脸识别。传统的基于SSPP的人脸识别已经得到了广泛的研究，但是基于新兴的深度学习的却很少涉及。本文针对这些深层，将其分为虚拟样本法和一般学习法。在虚拟样本中，将生成虚拟人脸图像或虚拟人脸特征，以便于深度模型的训练。在通用学习中，使用额外的多样本通用。在常规学习的分析中，涉及到传统与深度特征的结合、损失函数的改进和结构的改进。
研究领域之间的关系:
虚拟人脸图像及特征生成示意图；
概览九遮挡情况下的人脸识别技术综述题目:遮挡情况下的人脸识别技术综述作者:https://arxiv.org/abs/2006.11366丹增
本文整理出相关文献193篇。
遮挡情况下人脸识别能力有限是一个由来已久的问题，对人脸识别系统乃至人类都提出了独特的挑战。相比其他挑战(比如姿势变化，表情不同等。)，遮挡问题还没有被研究覆盖。然而，遮挡人脸识别对于充分发挥人脸识别在实际应用中的潜力非常重要。本文的研究范围仅限于遮挡人脸识别。首先讨论了什么是遮挡问题，会出现哪些固有的困难，并介绍了遮挡情况下的人脸检测，这是人脸识别的之一步。其次，本文介绍了现有的人脸识别是如何解决遮挡问题的，并将其分为三类，即1)遮挡鲁棒特征提取，2)遮挡感知人脸识别，3)基于遮挡恢复的人脸识别。
OFR涉及遮挡人脸识别的不同测试场景:
概要10 生物特征质量:FaceQnet在人脸识别中的回顾和应用题目:生物特征质量:face qnet在人脸识别中的应用作者:https://arxiv.org/abs/2006.03298哈维尔·埃尔南德斯-奥特加
本文整理了53篇相关文献。
"计算机系统的输出只能和输入信息一样准确."这个相当琐碎的陈述是生物识别的驱动概念之一的基础:生物识别质量。如今，质量已被广泛认为是导致自动生物特征识别系统性能的首要因素。这些算法在系统的正确操作中起着重要的作用，向用户提供反馈，并作为有价值的审计工具。虽然它们被一致接受，但是在这些的发展中缺乏一些最常用和最广泛使用的生物学特征。本文通过开发FaceQnet解决了更好的人脸质量测量的需求。FaceQnet是一种新颖的开源人脸质量评估工具，受深度学习技术的启发和支持，它为人脸图像分配标量质量度量，以预测其识别精度。NIST对工作和独立两个版本的FaceQnet进行了综合评估，显示了这种的合理性和相对于最新技术指标的竞争力。
2019年NIST组织的FRVT-QA活动评估面部质量指标结果的简要总结。：

人脸算法更佳综述 人脸检测综述( 二 )

人脸算法更佳综述人脸检测综述( 二 )