首页|结合多尺度融合特征和残差注意力机制的联合三维人脸重建及密集对齐算法

结合多尺度融合特征和残差注意力机制的联合三维人脸重建及密集对齐算法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对三维人脸重建和密集对齐算法精度不足的问题,引入密集连接的多尺度特征融合模块和残差注意力机制设计了一种性能强大的网络.在编码器结构前,引入密集连接的多尺度特征融合模块获得多尺度融合特征,使编码器获得更丰富的信息;在解码器模块中引入残差注意力机制,强化网络对重要特征的关注同时抑制不必要的噪声.实验结果表明,相较其他算法,该算法取得了较显著的改进;相对PRNet,该算法以更少的参数量在各项指标上取得7.7％～12.1％的性能提升.
Joint 3D face reconstruction and dense alignment algorithm combining multi-scale fusion features and residual attention mechanism

黄有达、周大可、杨欣

展开 >

南京航空航天大学 自动化学院,南京211100

三维人脸重建和密集对齐 密集连接 空洞卷积 残差注意力机制

国家自然科学基金南京航空航天大学研究生创新基地(实验室)开放基金

61573182kfjj20190322

2021

10.19734/j.issn.1001-3695.2020.06.0258

计算机应用研究
四川省电子计算机应用研究中心

计算机应用研究

CSTPCDCSCD北大核心
影响因子：0.93
ISSN：1001-3695
年,卷(期)：2021.38(7)
  • 3
  • 2