2021-10-03 16:28:24
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。
