4、人脸分割、人脸交换及其对人脸识别的影响

人脸分割、人脸交换及其对人脸识别的影响

1. 人脸分割结果

在 COFW 数据集上进行了人脸分割实验，对比了多种方法的性能，具体结果如下表所示：
| 方法 | 平均交并比（Mean IOU） | 全局准确率（Global） | 平均人脸像素召回率（Ave(face)） | 每秒帧数（FPS） |
| — | — | — | — | — |
| Struct. Forest [25]∗ | – | 83.9 | 88.6 | – |
| RPP [59] | 72.4 | – | – | 0.03 |
| SAPM [17] | 83.5 | 88.6 | 87.1 | – |
| Liu et al. [38] | 72.9 | 79.8 | 89.9 | 0.29 |
| Saito et al. [52]∗ + GraphCut | 83.9 | 88.7 | 92.7 | 43.2 |
| 无遮挡增强训练方法 | 81.6 | 87.4 | 93.3 | 48.6 |
| 本文方法 | 83.7 | 88.8 | 94.1 | 48.6 |

注：* 这些结果是在测试集的未指定子集上报告的。

从表中可以看出，本文方法在保证较高准确率的同时，具有最快的处理速度，与当前最先进的方法取得了相当的结果。

2. 人脸交换定性结果

2.1 多样挑战场景展示

在无约束的 LFW 图像上进行了人脸交换实验，选择了具有不同姿势、遮挡和面部表情的源脸和目标脸，展示了多种具有挑战性的设置下的人脸交换结果。这些结果是之前的工作从未展示过的。 <