在人脸分析任务中，合成数据也能达到接近真实数据的准确性。
这一方向的最新研究展示了一个将程序生成的3D人脸模型与合成数据库结合来训练图像的方法，结果在脸部解析等任务上与使用真实数据的方法相当。
研究团队表示，这为那些难以进行人工标注的场景开辟了新路径。
未来是否真的会逐步摆脱人工标注？这是值得关注的问题。
如何实现这一目标？
要让人脸数据集更加多样化、丰富化，单靠收集和标注已经越来越困难。更何况网络抓取也会带来隐私与版权方面的挑战，而人工标注则容易出现错误或标签不一致的情况。
因此，研究团队考虑以合成数据来增加或替代真实数据。不过以往在实现上面临人脸模型复杂性带来的挑战。
这次的实现思路与步骤有哪些？
第一步，程序生成合成面孔，涵盖身份、表情、面部纹理、发型与服饰，以及在不同光线条件下的呈现。
所有数据都来自独立采样，事先去除噪音，以确保可以创建更多样化的个体。
此外，服装部分由设计师和模拟师共同制作，提供了多达30套不同风格的服装。
还包括头饰（36件）、面具（7件）以及眼镜（11件）。
另外，还为数据创建了相应的标签信息。
进入训练阶段，研究者构建了一个包含10万张分辨率为512×512的图像数据集，并在数据上进行了增强处理，共使用了150张NVIDIA M60 GPU进行渲染，耗时约48小时。
此外，团队还训练了仅使用合成数据的脸部解析网络，以及用于解决合成标签与人工注释标签之间差异的标签适应网络。
最终，人在脸部分析、地标定位等任务上的表现与采用真实数据的模型相当。
不过，研究者也坦言该技术仍存在一定局限性。
例如，合成的人脸模型目前仅覆盖头部和颈部，难以真实还原皱纹等细节，且在随机匹配人脸时可能出现不符合常理的结果，比如出现带胡须的女性人脸等。
在后续工作中，研究团队计划逐步改进以解决这些局限性。
