2018、2019人脸各方向论文汇总
人脸分析
人脸检测
用于尺度不变面部检测的组采样CVPR 2019
DSFD：双镜头面部检测器CVPR 2019
FA-RPN：关于人脸检测的浮动区域提案CVPR 2019
多人脸的联合面部检测和面部运动重新定位CVPR 2019
在单阶段面部检测网络ECCV 2018中使用LIP 遮盖面部
PyramidBox：上下文辅助单发面部检测器ECCV 2018
借助生成对抗网络CVPR 2018在野外寻找微小面孔
带有渐进式校准网络的实时旋转不变面部检测CVPR 2018
无需负迁移或灾难性遗忘的CVPR 2018深度面部检测器适配
超越取舍：以更高的精度加速基于FCN的面部检测器CVPR 2018
S3FD：单次缩放比例不变面部检测器ICCV 2017
使用内部级联上下文CNN ICCV 2017检测面部
SSH：单级无头面部检测器ICCV 2017
使用LLE-CNN在CVPR 2017中检测野外蒙面的脸
寻找小脸CVPR 2017
可感知规模的人脸检测CVPR 2017
级联CNN的人脸检测联合培训CVPR 2016
WIDER FACE：2016年人脸检测基准CVPR
用于人脸检测的卷积神经网络级联CVPR 2015
面部对齐
DeCaFA：适用于野生ICCV 2019的人脸对齐的深度卷积级联
通过热图回归ICCV 2019进行稳健的人脸对准的自适应机翼损失
通过内核密度深度神经网络进行人脸对齐ICCV 2019
通过分层结构化集成ICCV 2019学习强大的面部地标检测
老师指导学生如何从部分标记的图像中学习面部地标检测ICCV 2019
FAB：适用于运动模糊视频的强大面部地标检测框架ICCV 2019
通过分离进行聚合：通过半监督样式转换ICCV 2019提升面部地标检测器
语义对齐：为面部地标检测找到语义一致的地面真相CVPR 2019
通过遮挡自适应深度网络进行可靠的面部地标检测CVPR 2019
关节面部动作单元检测和面部对准ECCV 2018的深度自适应注意
用于人脸对齐ECCV 2018的深度初始化的粗化到精细的回归树集成
解析树突状CNN中的3D姿势以实现不受约束的2D面部对齐CVPR 2018
看边界：边界感知人脸对齐算法CVPR 2018
用于端到端面部对齐的直接形状回归网络CVPR 2018
通过注册进行监督：提高人形地标检测器精度的无监督方法CVPR 2018
用于面部地标检测的样式聚合网络CVPR 2018
通过全卷积局部全局上下文网络CVPR 2018进行鲁棒的面部地标检测
使用卷积神经网络CVPR 2018进行稳健的面部地标本地化的机翼损失
我们距离解决2D和3D人脸对齐问题还有多远？（以及230,000个3D面部地标的数据集）ICCV 2017
使用单个CNN ICCV 2017进行姿势不变的面部对齐
ICCV 2017有限，用于人的姿态估计和面部对齐的二值化卷积地标定位器
通过有区别的全球共识优化ICCV 2017进行人脸对齐和跟踪之间的协同作用
循环3D-2D双重学习用于大姿势面部地标检测ICCV 2017
快于实时面部对齐：无约束姿势的3D空间变压器网络方法ICCV 2017
具有两阶段重新初始化的深度回归架构，用于高性能面部地标检测CVPR 2017
在面部遮挡下同时进行面部地标检测，姿势和变形估计CVPR 2017
种间知识转移的面部关键点检测CVPR 2017
无遮挡人脸对齐：深度回归网络与反腐败自动编码器的结合CVPR 2016
助记符下降方法：应用于端到端面部对齐的循环过程CVPR 2016
人脸追踪
用于可变形面部跟踪ECCV 2018的双智能体深度强化学习
无约束视频中多面跟踪的一种先验方法CVPR 2018
具有3D变形眼部模型ICCV 2017的实时眼动追踪
动态面部分析：从贝叶斯滤波到递归神经网络CVPR 2017
基于深度的鲁棒3D面部姿势跟踪CVPR 2017的生成模型
人脸解析
RoI Tanh-Warping CVPR 2019进行人脸解析
人脸标签多目标卷积学习CVPR 2015
3D人脸重建
DF2Net：用于详细3D面部重建ICCV 2019的密集细化网络
半监督单眼3D面部重建，具有端到端形状保留的域转移ICCV 2019
来自各种原始扫描数据ICCV 2019的 3D人脸建模
通过Adversarial Training ICCV 2019解耦的3D面部形状模型
从单张图像ICCV 2019逼真的面部细节合成
MVF-Net：多视图3D人脸可变形模型回归CVPR 2019
2500FPS以上的密集3D人脸解码：联合纹理和形状卷积网格解码器CVPR 2019
迈向高保真非线性3D人脸可变形模型CVPR 2019
GANFIT：适用于高保真3D人脸重建的创生对抗网络CVPR 2019
高保真人脸模型的自我监督改编，用于单眼性能跟踪CVPR 2019
MMFace：用于无约束人脸重建的多指标回归网络CVPR 2019
在没有3D监督的情况下学习从图像中回归3D人脸形状和表情CVPR 2019
使用解剖肌肉进行高质量面部捕捉CVPR 2019
FML：通过视频CVPR 2019进行人脸模型学习
结合3D可变形模型：大型头对头模型CVPR 2019
增强局部形状匹配以实现密集3D人脸对应CVPR 2019
单眼总捕获：在野外摆姿势CVPR 2019
富有表现力的身体捕捉：单张图像CVPR 2019中的 3D手，脸和身体
适用于3D面部形状的解缠表示学习CVPR 2019
使用卷积网格自动编码器ECCV 2018生成3D面
带有位置图回归网络ECCV 2018的联合3D人脸重建和密集对齐
从光场图像进行3D人脸重建：一种无模型方法ECCV 2018
没有地标ECCV 2018的3D人脸的密集语义和拓扑对应
从数百万的3D扫描中学习以进行大规模3D人脸识别CVPR 2018
用于超过250 Hz CVPR的单眼重建的自我监督多级面部模型学习2018
极端3D面部重建：透视遮挡CVPR 2018
InverseFaceNet：深度单眼反面渲染CVPR 2018
由Morphable Models CVPR 2018指导的稀疏光度3D面部重建
解开3D脸部形状的特征以进行人脸重建和识别CVPR 2018
非线性3D人脸可变形模型CVPR 2018
使用合成VAE CVPR 2018对面部几何建模
面部重建的概率联合面部-头骨建模CVPR 2018
使用深层神经网络的介观面部几何推理CVPR 2018
通过直接体积CNN回归ICCV 2017从单个图像进行大姿态3D面部重建
MoFA：适用于无监督单眼重构ICCV 2017的基于模型的深度卷积人脸自动编码器
使用图像间转换ICCV 2017的无限制面部几何重构
在不受约束的图像中学习密集的脸部对应ICCV 2017
使用GANs ICCV 2017从单个图像获得逼真的动态面部纹理
使用完全卷积网络的人脸法线“野外” CVPR 2017
3D人脸可变形模型“ In-The-Wild” CVPR 2017
从单一图像CVPR 2017学习详细的面部重建
使用深度神经网络进行端到端3D面部重建CVPR 2017
用于形状子空间中的详细拟合的参数化T样条曲线曲面可变形模型CVPR 2017
戴着眼镜的面孔的快速3D重建CVPR 2017
使用深度神经网络的真实感面部纹理推断CVPR 2017
大姿势中的人脸对齐：3D解决方案CVPR 2016
通过基于CNN的密集3D模型拟合CVPR 2016进行大姿势面部对齐
来自不受约束的照片集的自适应3D面部重建CVPR 2016
功能面：使用功能图CVPR 2016的成组密集密信
从10,000张面孔CVPR 2016中学到的3D变形模型
实时实时3D头部建模和面部动作捕捉的增强Blendshapes CVPR 2016
不受约束的3D面部重建CVPR 2015
面部姿势估计
M2FPA：多姿态多螺距高质量数据集和面部姿势分析基准ICCV 2019
图像中人脸的辐射度校准CVPR 2017
POSEidon：驾驶员姿势估计的面部深度CVPR 2017
人脸属性
具有局部约束的部分共享多任务卷积神经网络用于人脸属性学习CVPR 2018
使用语义分割改善面部属性预测CVPR 2017
面部动力学解释器网络：面部特征估计的局部动力学之间有什么重要关系？ECCV 2018
面部表情和动作单元
具有部分标记数据的面部感知单元强度估计的上下文感知功能和标签融合ICCV 2019
面部表情相似性的紧凑嵌入CVPR 2019
面部动作单元强度估计的联合表示和估计学习CVPR 2019
局部关系学习与特定于人的形状规则化的面部动作单元检测CVPR 2019
从视频中进行自我监督表示学习，以进行面部动作单位检测CVPR 2019
带有不一致注释的数据集ECCV 2018的面部表情识别
面部动作单元识别的深度结构推理网络ECCV 2018
深度多任务学习以识别精神状态的细微面部表情ECCV 2018
使用可扩展的弱监督群集CVPR 2018从Web图像中学习面部动作单元
去表达残基学习CVPR 2018的面部表情识别
通过对抗训练CVPR 2018对脸部动作单元识别进行监督不足
弱监督深度卷积神经网络学习，用于面部动作单元强度估计CVPR 2018
面部表情识别的联合姿势和表情建模CVPR 2018
在卷积神经网络中优化滤波器大小以进行面部动作单元识别CVPR 2018
具有面部动作单元识别先验概率的分类器学习CVPR 2018
4DFAB：用于面部表情分析和生物识别应用程序的大型4D数据库CVPR 2018
面部行动单元强度估计的双边序贯相关性多实例回归CVPR 2018
半正定圆锥上用于面部表情识别的新颖时空表示法ICCV 2017
DeepCoder：用于自动面部动作编码的半参数变分自动编码器ICCV 2017
部分标签数据ICCV 2017中的深层面部动作单元识别
面部动作单元强度估计的深度结构学习CVPR 2017
面部动作单元检测的深层和多标签学习CVPR 2016
同时面部行动单元识别和面部地标检测的受限联合级联回归框架CVPR 2016
使用有序信息CVPR 2016估算面部表情强度
Copula序数回归法共同估算面部动作单元强度CVPR 2016
EmotioNet：准确实时的算法，用于在野生CVPR 2016中自动注释百万个面部表情
面部动作单元检测的联合补丁和多标签学习CVPR 2015
面子
游戏角色自动创建ICCV 2019的面对面参数转换
SC-FEGAN：使用用户的草图和颜色ICCV 2019进行人脸编辑生成的对抗网络
使用3D变形模型和生成对抗网络ICCV 2019进行面部去遮挡
做个脸：走向任意高保真人脸操纵ICCV 2019
LADN：用于面部化妆和彩妆的本地对抗性解缠网络ICCV 2019
3D引导的细纹面部操纵CVPR 2019
人脸属性操纵的语义组件分解CVPR 2019
通过深度强化学习CVPR 2019视频中的自动面部老化
APDrawingGAN：使用GAN分层CVPR 2019从面部照片生成艺术肖像画
基于小波的生成对抗网络的属性感知人脸老化CVPR 2019
ECCV 2018盲脸修复学习翘曲指南
半监督对抗学习可从3D变形模型ECCV 2018生成新身份的真实感人脸图像
优雅：与GAN交换潜在编码以传输多个面部属性ECCV 2018
使用条件周期的属性引导人脸生成GAN ECCV 2018
面部属性编辑ECCV 2018的空间注意力生成对抗网络
GANimation：单图像ECCV 2018中的解剖感知面部动画
学习面部年龄发展：GAN CVPR 2018的金字塔架构
FaceID-GAN：学习对称三层GAN来保持身份的人脸合成CVPR 2018
探索人脸识别之外的非纠缠特征表示法CVPR 2018
迈向开放式身份保存面部综合CVPR 2018
保留身份的条件生成对抗网络CVPR 2018的面部老化
姿势引导的真实感面部旋转CVPR 2018
通过面部识别功能合成标准化的面部CVPR 2017
学习残像用于面部属性操纵CVPR 2017
使用固有图像解开神经面部表情CVPR 2017
面部老龄化CVPR 2016
面对正面
使用多任务深度神经网络CVPR 2015旋转脸部
野生CVPR 2015中用于面部识别的高保真姿势和表情归一化
无约束图像中的有效人脸正面化CVPR 2015
面部迷惑
视频ICCV 2019中的实时面部识别
通过面部替换ECCV 2018进行身份混淆的混合模型
学习为面部匿名处理隐私保护动作检测ECCV 2018
换面/重演/动画化
FSGAN：不可知论者换脸和重演ICCV 2019
ReenactGAN：学习通过边界转移ECCV 2018重现面孔
使用卷积神经网络进行快速面部交换ICCV 2017
Face2Face：RGB视频的实时面部捕捉和重演CVPR 2016
面部操纵检测
FaceForensics ++：学习检测操纵的面部图像ICCV 2019
通过脚本编写Photoshop ICCV 2019检测Photoshop的面孔
人脸演示攻击检测的多专业性歧视性深域综合CVPR 2019
人脸特征嵌入
失利
公平损失：用于深层识别的保证金意识强化学习ICCV 2019
基于边距的三重嵌入正则化的对抗学习ICCV 2019
注意力特征-配对关系网络可实现准确的人脸识别ICCV 2019
概率面部嵌入ICCV 2019
RegularFace：通过独家正则化CVPR 2019进行深脸识别
UniformFace：学习深度人脸识别的深度分布式表示CVPR 2019
ArcFace：深度面部识别CVPR 2019的附加角裕度损失
P2SGrad：优化深脸模型的精细渐变CVPR 2019
AdaCos：自适应缩放余弦Logits以有效学习深脸表示CVPR 2019
AdaptiveFace：人脸识别的自适应余量和采样CVPR 2019
对比卷积ECCV 2018的人脸识别
面向面部识别ECCV 2018的海量未标记数据的共识驱动传播
人脸识别ECCV 2018的成对关系网络
环损：人脸识别的凸特征归一化CVPR 2018
CosFace：用于深脸识别的大余弦余弦损失CVPR 2018
SphereFace：用于人脸识别的深度超球面嵌入CVPR 2017
FaceNet：人脸识别和群集的统一嵌入CVPR 2015
网络规模的人脸识别培训CVPR 2015
网络
稀疏神经网络连接以进行人脸识别CVPR 2016
分析
迈向可解释的人脸识别ICCV 2019
深度学习的脸部表示稀疏，选择性和强大的CVPR 2015
属性
神经张量融合网络ICCV 2017的属性增强人脸识别
年龄
针对年龄不变的人脸识别的与装饰相关的对抗学习CVPR 2019
用于年龄不变的人脸识别ECCV 2018的正交深特征分解
面部年龄发展和年龄不变的人脸识别的时间非体量保存方法ICCV 2017
潜在因子指导的卷积神经网络用于年龄不变的人脸识别CVPR 2016
与跨年龄验证CVPR 2015配合进行跨年龄脸部验证
姿势
在野生CVPR 2019中具有极端姿势和表情的无监督人脸标准化
GridFace：通过学习局部同形变换ECCV 2018进行人脸矫正
在野生CVPR 2018中实现姿势不变的面部识别
通过深度残差等距映射CVPR 2018进行姿势-鲁棒人脸识别
UV-GAN：姿态不变的人脸识别CVPR 2018的对抗性面部UV贴图完成
基于重构的姿势不变脸识别ICCV 2017
超越面部旋转：用于真实感和身份保留正面视图合成的全局和局部感知GAN ICCV 2017
用于无对齐人脸识别的递归空间变压器（ReST）ICCV 2017
在野生ICCV 2017中走向大姿势人脸
无约束面部识别的联合注册和表示学习CVPR 2017
姿势不变的人脸识别的解缠表示学习GAN CVPR 2017
Wild CVPR 2016中的姿势感知人脸识别
种族
野外种族面孔：通过信息最大化适应网络ICCV 2019减少种族偏见
咬合
基于蒙版学习和成对差分暹罗网络ICCV 2019的遮挡鲁棒人脸识别
用于部分人脸识别的动态特征学习CVPR 2018
标签噪音
联合挖掘：带有嘈杂标签的深层面部识别ICCV 2019
训练人脸识别CNNs CVPR 2019的耐噪范式
人脸识别的魔鬼在Noise ECCV 2018中
长尾巴
利用代表性不足的数据进行人脸识别的特征转移学习CVPR 2019
使用长尾嘈杂数据CVPR 2019进行不平等训练以进行深脸识别
带有长尾训练数据的深脸识别的距离损失ICCV 2017
无监督
从面部识别到身份模型：一种从无监督数据ECCV 2018了解未知身份的贝叶斯方法
基于集合的嵌入
具有图像集ECCV 2018的无约束人脸识别的依赖项感知注意力控制
比较器网络ECCV 2018
区分协方差的图像表示人脸识别学习CVPR 2017
数据集
百万规模人脸识别的公平竞争环境CVPR 2017
MegaFace基准测试：2016年CVPR规模为100万张可识别面孔
推进无约束面部检测和识别的前沿：IARPA Janus Benchmark A CVPR 2015
人脸聚类
通过图卷积网络CVPR 2019基于链接的人脸聚类
学习在亲和图CVPR 2019上将面孔聚类
视频中的人脸识别
无约束的基于视频的人脸识别ICCV 2019的小轨迹之间的上下文连接的不确定性建模
具有未知数量群集的视频面部群集ICCV 2019
无标签视频中用于人脸识别的无监督域自适应ICCV 2017
基于视频的人脸识别的学习区分性聚合网络ICCV 2017
用于视频人脸识别的注意感知深度强化学习ICCV 2017
使用Erdos-Renyi聚类ICCV 2017在电影中进行端到端面部检测和演员分组
用于视频人脸识别的神经聚合网络CVPR 2017
预测多面视频CVPR 2017中的显着面孔
Grassmann流形上的投影度量学习及其在基于视频的面部识别中的应用CVPR 2015
人脸检索
从大量面孔中学习到的拟传递相似性检索CVPR 2016
3D人脸识别
Led3D：识别低质量3D面孔的轻巧高效的深度方法CVPR 2019
多光谱人脸识别
不怕黑暗：通过互谱幻觉和低秩嵌入CVPR 2017进行 NIR-VIS人脸识别
脸部转移学习
R3跨模型人脸识别对抗网络CVPR 2019
攻击人脸识别
基于面部决策的高效基于决策的黑盒对抗攻击CVPR 2019
面部防欺骗
大规模多模态面部反欺骗CVPR 2019的数据集和基准
面部反欺骗：模型很重要，Data CVPR 2019也是如此
深度树学习，零面部防欺骗CVPR 2019
人脸反欺骗：通过噪声建模ECCV 2018进行反欺骗
用于3D面具面部演示攻击检测ECCV 2018的远程光电容积描记术对应功能
学习面部防欺骗的深度模型：二进制或辅助监督CVPR 2018
脸部照明
通过无监督的Deep Highlight提取ECCV 2018将面孔作为照明探针
面部图像CVPR 2017中的镜面高光去除
面部素描
酷航：面部素描的感知指标ICCV 2019
通过耦合深度变换学习ICCV 2017进行面部素描匹配
面部完成
生成面部完成CVPR 2017
面对去模糊
使用3D面部优先ICCV 2019进行面部视频去模糊
深层语义去模糊CVPR 2018
幻觉/超分辨率
用于面部幻觉的超身份卷积神经网络ECCV 2018
面部超级分辨率由面部组件热图ECCV 2018指导
要学习图像超分辨率，请首先使用GAN来学习如何进行图像降级ECCV 2018
具有补充属性的超分辨率超低分辨率人脸图像CVPR 2018
FSRNet：使用Facial Priors CVPR 2018进行端到端的学习面部超分辨率
超级粉丝：借助GANs CVPR 2018，可在任意姿势中实现集成的人脸里程碑定位和超高分辨率的真实世界低分辨率面孔
学习超分辨模糊的人脸和文字图像ICCV 2017
Wavelet-SRNet：基于小波的CNN用于多尺度人脸超分辨率ICCV 2017
通过深度强化学习CVPR 2017的注意力感知幻觉
变形性判别式自动编码器CVPR 2017产生的幻觉极低分辨率未对准且嘈杂的人脸图像
脸和言语
Speech2Face：了解语音CVPR 2019的面孔
具有动态逐像素损失CVPR 2019的分层跨模态说话人脸生成
X2Face：使用图像，音频和姿势代码ECCV 2018控制人脸生成的网络
可学习的PIN：Person Identity ECCV 2018的跨模态嵌入
面对面的神经对话模型CVPR 2018
面对心理
视觉心理物理学使人脸识别算法更具解释性ECCV 2018