（不错2DASL）论文笔记(1):单幅图像的三维人脸重建与密集人脸对齐

朴灿烈づ我的快乐病毒、 2022-08-31 04:41 112阅读 0赞

原文链接：[https://blog.csdn.net/zhangpang06/article/details/89598374?ops\_request\_misc=%257B%2522request%255Fid%2522%253A%2522162686344116780271556083%2522%252C%2522scm%2522%253A%252220140713.130102334…%2522%257D&request\_id=162686344116780271556083&biz\_id=0&utm\_medium=distribute.pc\_search\_result.none-task-blog-2allsobaiduend~default-1-89598374.first\_rank\_v2\_pc\_rank\_v29&utm\_term=2DASL&spm=1018.2226.3001.4187][https_blog.csdn.net_zhangpang06_article_details_89598374_ops_request_misc_257B_2522request_255Fid_2522_253A_2522162686344116780271556083_2522_252C_2522scm_2522_253A_252220140713.130102334_2522_257D_request_id_162686344116780271556083_biz_id_0_utm_medium_distribute.pc_search_result.none-task-blog-2allsobaiduend_default-1-89598374.first_rank_v2_pc_rank_v29_utm_term_2DASL_spm_1018.2226.3001.4187]

论文题目：《Joint 3D Face Reconstruction and Dense Face Alignment from A Single Image with 2D-Assisted Self-Supervised Learning》

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYW5ncGFuZzA2_size_16_color_FFFFFF_t_70][]

最近的基于学习的3D face重建方法通常旨在学习基于CNN的3D面部模型，其从2D图像回归3DMM的系数以渲染3D面部重建或密集面部对齐。 然而，带有3D注释（3DMM系数）的训练数据的不足大大限制了这些方法的性能。为了缓解这个问题，此论文提出了一种新颖的2D辅助自监督学习（2DASL）方法，该方法利用2D“in-the-wild”人脸图像来有效地监督和促进3D人脸模型学习。

在讨论具体内容前先来看论文的一些成果。

论文中对齐的结果和3D重建结果示例：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYW5ncGFuZzA2_size_16_color_FFFFFF_t_70 1][]

在一些极端的例子中，该算法的对齐效果也很不错：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYW5ncGFuZzA2_size_16_color_FFFFFF_t_70 2][]

在3D人脸对齐方面该算法取得了目前的最高精度，超越PRNet。如下图：![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYW5ncGFuZzA2_size_16_color_FFFFFF_t_70 3][]

在人脸3D重建方面，与以前算法相比也取得了高质量的重建结果：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYW5ncGFuZzA2_size_16_color_FFFFFF_t_70 4][]

#  1.总览 #

本文的一个主要出发点就是解决带有3D注释的训练数据的不足的问题，针对这个问题2DASL引入了四种新颖的自监督方案，将2D特征点和3D特征点预测视为自映射过程，包括2D和3D特征点自预测一致性、2D特征点预测的循环一致性和基于特征点预测的3DMM系数预测自评估（self-critic）。使用这四种自监督方案，2DASL方法显著减轻了对传统配对2D到3D注释的要求，并提供了更高质量的3D面部模型，而无需任何额外的3D注释。

# 2.论文细节 #

## 2.1算法流程 ##

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYW5ncGFuZzA2_size_16_color_FFFFFF_t_70 5][]

从这张图可以看到，整个框架包含三个模块，1）第一个模块采用了传统的基于CNN的回归网络，使用的是ResNet-50深度网络。此模块根据输入图像回归3DMM系数。输入是4通道，一个3通道的RGB图像，一个1通道的2D Facial Landmark Map (FLM)，FLM就是一张图像，对应于面部特征点的位置的值为1，其他位置的值为-1。2）第二个模块：输入的图像通过一个编码器将图像转为latent representation（就是编码器提取图像特征）。编码器包含6个卷积层，每一层连接一个ReLU层和最大池化层。3）将3DMM系数联合第二个模块的输出作为第三个模块的输入，来评估latent representation和对应的3DMM系数是否一致。此模块由4个全连接层组成，每层大小分别为512，1024，1024，1，然后是softmax层，输出是一个分数，用来说明输入对（latent representation和对应的3DMM系数）的一致性程度。

2DASL使用两组图像训练模型，即具有3DMM ground truth的2D图像和仅具有2D面部特征点注释的2D面部图像（2D特征点利用已有的特征点检测算法得到）。 通过最小化以下一个传统的3D监督函数和四个自监督损失来训练该模型。

## 2.2 Weighted 3DMM coefficient supervision ##

这个传统的3D监督函数是Weighted 3DMM coefficient supervision，其用来测量模型预测的3DMM系数的准确度。利用ground truth的3DMM系数监督模型的训练，以此使得模型预测的系数![\\hat\{\\alpha \}][hat_alpha]更接近ground truth系数![\\alpha^\{\*\}][alpha]。此外作者还明确地考虑每个系数的重要性，并相应地重新衡量它们对损失计算的贡献。这样得到weighted coefficient prediction loss：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYW5ncGFuZzA2_size_16_color_FFFFFF_t_70 6][]

其中，![\\omega \_\{i\}][omega _i]表示第i个系数的重要性 ，根据投影后2D特征点位置引入的误差计算。![H(\\cdot )][H_cdot]表示3D shape投影，![\\hat\{\\alpha\}\_\{i\}][hat_alpha_i]表示的是第i个系数来自![\\hat\{\\alpha \}][hat_alpha]而其他的系数来自![\\alpha^\{\*\}][alpha]。作者这样做的原因是，通过引入这样一个重新加权方案，在模型训练期间，CNN模型将首先关注学习权重较大的系数（例如，用于旋转和平移的系数）。在减少误差和权重后，模型再优化其他系数（例如identity和expression的系数）。（其实就是借鉴了坐标下降法的思想）。

## 2.3 2D assisted selfsupervised learning ##

由于3D数据的不足，想要充分利用2D图像进行训练（这些图像可以通过特征点检测算法得到稀疏的2D特征点），就必须要引入新颖的自监督方案，这也是此篇论文的出发点之一。自监督方案包含有三种不同的自监督损失，包括2D特征点一致性损失![L\_\{2d-con\}][L_2d-con]，3D特征点一致性损失![L\_\{3d-con\}][L_3d-con]和循环一致性损失（cycle-consistency）![L\_\{cyc\}][L_cyc]。

我们可以这样理解这三个损失，直观上如果网络模型足够好的话，那它应该保证三种一致性：1）以原始2D特征点![X\_\{2d\}][X_2d]作为模型输入，将模型预测得到的3D特征点![X\_\{3d\}][X_3d]投影会得到2D特征点![Y\_\{2d\}][Y_2d],投影得到的2D特征点与模型的输入的2D特征点![X\_\{2d\}][X_2d]要尽可能接近的；2）反过来，如果将![Y\_\{2d\}][Y_2d]输入模型，那预测到的3D特征点![\\hat\{X\}\_\{3d\}][hat_X_3d]与![X\_\{3d\}][X_3d]也是要非常接近的；3）接着如果对![\\hat\{X\}\_\{3d\}][hat_X_3d]做投影得到的![\\hat\{X\}\_\{2d\}][hat_X_2d]应该与![X\_\{2d\}][X_2d]一致。这样就形成了循环一致性。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYW5ncGFuZzA2_size_16_color_FFFFFF_t_70 7][]

这样上述三个损失函数就不难理解了。三个损失分别为：

![L\_\{3d-con\}=\\sum\_\{i=1\}^\{68\}||x\_\{i\}^\{3d\}-\\hat\{x\}\_\{i\}^\{3d\}||][L_3d-con_sum_i_1_68_x_i_3d_-_hat_x_i_3d]

![L\_\{2d-con\}=\\sum\_\{i=1\}^\{18\}v\_\{i\}\\times ||x\_\{i\}^\{2d\}-y\_\{i\}^\{2d\}||][L_2d-con_sum_i_1_18_v_i_times _x_i_2d_-y_i_2d]

![L\_\{cyc\}=L\_\{2d-con\}(x^\{2d\},\\hat\{x\}^\{2d\})][L_cyc_L_2d-con_x_2d_hat_x_2d]

因为2D图像上的面部边界特征点是不能准确地表示对应的3D特征点的，因此不考虑它们并采样了18个特征点，同时对每个点分配了权重。

## 2.4 Self-critic learning ##

接着进一步引入了一种自评估（self-critic），用“in-the-wild”2D人脸图像来弱化监督模型训练。这一部分就是整个网络框架的第三个模块，这一模块的输入有两个人脸图像集，一个没有任何3D注释![\\boldsymbol\{\\mathit\{I\}\}=\\left \\\{ I\_1,...,I\_n \\right \\\}][boldsymbol_mathit_I_left _ I_1_..._I_n _right],一个带有ground truth的3DMM系数![\\boldsymbol\{\\mathit\{J\}\}=\\left \\\{ (J\_1,\{\\alpha \}\_1^\*),...,(J\_m,\{\\alpha \}\_m^\*) \\right \\\}][boldsymbol_mathit_J_left _ _J_1_alpha _1_..._J_m_alpha _m_ _right]，CNN回归模型会预测![I\_i][I_i] 的3DMM系数![\\alpha \_i][alpha _i]。将两组图像输入，经过encoder之后得到图像的latent representation ![\\textsl\{z\}][textsl_z]，然后结合对应的3DMM系数通过一个判别器。此模块需要优化一个损失函数：

![L\_\{sc\}=E\_\{I\\in\\mathbf\{I\}\}\[log(D(\[z^\*,\\alpha ^\*\]))+log(1-D(\[\\bar\{z\},R(I)\]))\]][L_sc_E_I_in_mathbf_I_log_D_z_alpha _log_1-D_bar_z_R_I]

至此，整体损失函数为![L=L\_\{3d\}+\\lambda \_1L\_\{2d-con\}+\\lambda \_2L\_\{3d-con\}+\\lambda \_3L\_\{cyc\}+\\lambda \_4L\_\{sc\}][L_L_3d_lambda _1L_2d-con_lambda _2L_3d-con_lambda _3L_cyc_lambda _4L_sc]

# 3. Experiments #

论文中用到的训练数据集是300W-LP和UMDFaces。300W-LP数据集包含60K+张人脸图像及对应的3DMM系数。UMDFaces是“in-the-wild”图像数据集，包含367,888张人脸图像。测试数据集使用的是AFLW2000-3D和AFLW-LFPA。

此外，作者还通过评估模型的几个变体对AFLW2000-3D进行消融研究：

1）2DASL (base)，只输入RGB图像，没有自监督和自评估监督；

2）2DASL (cyc)，输入RGB图像以及对应的2D FLMs进行自监督，但没有自评估监督；

3）2DASL (sc)，只输入RGB图像且只使用自评估监督；

4）2DASL (cyc+sc)，同时包含cyc和sc。

同时， 对于每个变体，还使用带有（w ）或不带（w / o）权重的![L\_\{2d-con\}][L_2d-con]。下图是实验结果：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYW5ncGFuZzA2_size_16_color_FFFFFF_t_70 8][]

# 4. Code  #

代码地址：[https://github.com/XgTu/2DASL][https_github.com_XgTu_2DASL]

目前该库仅放出了测试代码，作者称等论文被接收之后会放出训练代码。

[https_blog.csdn.net_zhangpang06_article_details_89598374_ops_request_misc_257B_2522request_255Fid_2522_253A_2522162686344116780271556083_2522_252C_2522scm_2522_253A_252220140713.130102334_2522_257D_request_id_162686344116780271556083_biz_id_0_utm_medium_distribute.pc_search_result.none-task-blog-2allsobaiduend_default-1-89598374.first_rank_v2_pc_rank_v29_utm_term_2DASL_spm_1018.2226.3001.4187]: https://blog.csdn.net/zhangpang06/article/details/89598374?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522162686344116780271556083%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257D&request_id=162686344116780271556083&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~sobaiduend~default-1-89598374.first_rank_v2_pc_rank_v29&utm_term=2DASL&spm=1018.2226.3001.4187
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYW5ncGFuZzA2_size_16_color_FFFFFF_t_70]: /images/20220829/c7927ee8d3a747d599265797edaa58a7.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYW5ncGFuZzA2_size_16_color_FFFFFF_t_70 1]: /images/20220829/fa9b4f5b5e174f8ea1c13a7032f2d7e1.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYW5ncGFuZzA2_size_16_color_FFFFFF_t_70 2]: /images/20220829/b2200926262646559db1a3c704a009e9.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYW5ncGFuZzA2_size_16_color_FFFFFF_t_70 3]: /images/20220829/0f0cb484146c4eeb9afce887dc83bf84.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYW5ncGFuZzA2_size_16_color_FFFFFF_t_70 4]: /images/20220829/7b2778a0220b478480fdf7446c8eac69.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYW5ncGFuZzA2_size_16_color_FFFFFF_t_70 5]: /images/20220829/1808cf491cf2491ab737e03755727e0f.png
[hat_alpha]: https://private.codecogs.com/gif.latex?%5Chat%7B%5Calpha%20%7D
[alpha]: https://private.codecogs.com/gif.latex?%5Calpha%5E%7B*%7D
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYW5ncGFuZzA2_size_16_color_FFFFFF_t_70 6]: /images/20220829/b2a9ad1142db4dbeb41bbe3b2aeae84b.png
[omega _i]: https://private.codecogs.com/gif.latex?%5Comega%20_%7Bi%7D
[H_cdot]: https://private.codecogs.com/gif.latex?H%28%5Ccdot%20%29
[hat_alpha_i]: https://private.codecogs.com/gif.latex?%5Chat%7B%5Calpha%7D_%7Bi%7D
[L_2d-con]: https://private.codecogs.com/gif.latex?L_%7B2d-con%7D
[L_3d-con]: https://private.codecogs.com/gif.latex?L_%7B3d-con%7D
[L_cyc]: https://private.codecogs.com/gif.latex?L_%7Bcyc%7D
[X_2d]: https://private.codecogs.com/gif.latex?X_%7B2d%7D
[X_3d]: https://private.codecogs.com/gif.latex?X_%7B3d%7D
[Y_2d]: https://private.codecogs.com/gif.latex?Y_%7B2d%7D
[hat_X_3d]: https://private.codecogs.com/gif.latex?%5Chat%7BX%7D_%7B3d%7D
[hat_X_2d]: https://private.codecogs.com/gif.latex?%5Chat%7BX%7D_%7B2d%7D
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYW5ncGFuZzA2_size_16_color_FFFFFF_t_70 7]: /images/20220829/2cefc3e257104cffaee61b12aa7baf36.png
[L_3d-con_sum_i_1_68_x_i_3d_-_hat_x_i_3d]: https://private.codecogs.com/gif.latex?L_%7B3d-con%7D%3D%5Csum_%7Bi%3D1%7D%5E%7B68%7D%7C%7Cx_%7Bi%7D%5E%7B3d%7D-%5Chat%7Bx%7D_%7Bi%7D%5E%7B3d%7D%7C%7C
[L_2d-con_sum_i_1_18_v_i_times _x_i_2d_-y_i_2d]: https://private.codecogs.com/gif.latex?L_%7B2d-con%7D%3D%5Csum_%7Bi%3D1%7D%5E%7B18%7Dv_%7Bi%7D%5Ctimes%20%7C%7Cx_%7Bi%7D%5E%7B2d%7D-y_%7Bi%7D%5E%7B2d%7D%7C%7C
[L_cyc_L_2d-con_x_2d_hat_x_2d]: https://private.codecogs.com/gif.latex?L_%7Bcyc%7D%3DL_%7B2d-con%7D%28x%5E%7B2d%7D%2C%5Chat%7Bx%7D%5E%7B2d%7D%29
[boldsymbol_mathit_I_left _ I_1_..._I_n _right]: https://private.codecogs.com/gif.latex?%5Cboldsymbol%7B%5Cmathit%7BI%7D%7D%3D%5Cleft%20%5C%7B%20I_1%2C...%2CI_n%20%5Cright%20%5C%7D
[boldsymbol_mathit_J_left _ _J_1_alpha _1_..._J_m_alpha _m_ _right]: https://private.codecogs.com/gif.latex?%5Cboldsymbol%7B%5Cmathit%7BJ%7D%7D%3D%5Cleft%20%5C%7B%20%28J_1%2C%7B%5Calpha%20%7D_1%5E*%29%2C...%2C%28J_m%2C%7B%5Calpha%20%7D_m%5E*%29%20%5Cright%20%5C%7D
[I_i]: https://private.codecogs.com/gif.latex?I_i
[alpha _i]: https://private.codecogs.com/gif.latex?%5Calpha%20_i
[textsl_z]: https://private.codecogs.com/gif.latex?%5Ctextsl%7Bz%7D
[L_sc_E_I_in_mathbf_I_log_D_z_alpha _log_1-D_bar_z_R_I]: https://private.codecogs.com/gif.latex?L_%7Bsc%7D%3DE_%7BI%5Cin%5Cmathbf%7BI%7D%7D%5Blog%28D%28%5Bz%5E*%2C%5Calpha%20%5E*%5D%29%29&plus;log%281-D%28%5B%5Cbar%7Bz%7D%2CR%28I%29%5D%29%29%5D
[L_L_3d_lambda _1L_2d-con_lambda _2L_3d-con_lambda _3L_cyc_lambda _4L_sc]: https://private.codecogs.com/gif.latex?L%3DL_%7B3d%7D&plus;%5Clambda%20_1L_%7B2d-con%7D&plus;%5Clambda%20_2L_%7B3d-con%7D&plus;%5Clambda%20_3L_%7Bcyc%7D&plus;%5Clambda%20_4L_%7Bsc%7D
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYW5ncGFuZzA2_size_16_color_FFFFFF_t_70 8]: /images/20220829/1283ae22e80144dca786784370eef2d6.png
[https_github.com_XgTu_2DASL]: https://github.com/XgTu/2DASL