通过学习干净的人脸数据库和不同的统计形状模型,本文比较了全局和局部的几何形状变化分析,实验结果可以帮助我们在从降噪和遮挡的数据中可靠地提取特定形状时选择更好的模型。
Sep, 2012
本文提出了一种基于连续小波嵌入式表示的 3D 形状生成、反演、操纵方法,包括紧凑的小波表示、扩散生成器、细节预测器、编码器等,实现了较为强大的形状生成、反演、操纵能力,优于现有的最新方法。
Feb, 2023
本文提出了一种创新框架来实现从不同 3D 扫描数据库中共同学习非线性面模型,并建立其扫描之间的稠密点对点对应关系,通过使用 PointNet 架构将输入扫描作为无组织的点云进行转换,从而恢复其 3D 面形,并采用弱监督学习方法来提高方法的稠密对应和表征能力,有助于单帧 3D 面重建。
Feb, 2019
本文介绍了一种设计三维人脸形状表征的新策略。通过将面部形状分解为身份部分和表情部分进行非线性编码和解码,利用属性分解框架对三维面孔网格进行表示,以更好地表示通常在彼此之间非线性变形的面孔形状。实验结果表明,我们的方法在分解身份和表情部分方面比现有方法表现更好,而且可以使用我们的方法获得更自然的表情转移结果。
本论文提出了一种基于网格表面的谱卷积模型,该模型能够更好地捕捉面部的非线性变形和表情,使用少量数据训练即能有效地重建三维面部模型。
Jul, 2018
基于小波的经典多尺度分析在数据压缩、快速算法和噪声去除方面具有许多成功的应用;然而小波仅适用于点奇异性,而许多多变量现象表现出中间维奇异性,如边、丝和板等,因此在高维情况下,小波在某些应用中应被中间维奇异性适应的多尺度分析所取代。本文描述了几种在这方向上的初始尝试,特别是讨论了基于拟 parabolic 膨胀的方向小波变换和通过各向异带分析的两种几何多尺度分析方法;令人惊讶的是,这些工具在数据压缩、逆问题、噪声去除和信号检测等方面具有潜在的应用价值,应用数学家、统计学家和工程师都在热情地追求这些方向。
Dec, 2002
本文中,我们从最大可获得的商业扫描数据库中重建了一个广泛使用的统计人体表示,并使得产生的模型对社区可用。我们为了学习模型而预处理了几千次扫描,因此开发了强大的最佳实践解决方案,以排列扫描。我们在广泛的评估中展示出新模型的改进准确性和普遍性,并显示了它对于从稀疏输入数据中恢复人体的改进性能。
Mar, 2015
本文提出了一种基于稀疏性和基于图形的正则化项的矩阵分解问题的方法,用于获得具有局部支持的变形因子,该方法在医学图像处理中具有较好的适用性和实用性。
Oct, 2015
本文提出了 MultiWave 框架,采用小波分解对多变量时间序列数据进行频率分组,并结合门控机制来提高各种深度学习模型的性能。多个实验表明,MultiWave 可以准确地识别信息丰富的频率带,提高模型性能,并提供有价值的应用见解。
Jun, 2023
使用多视角图像建议一种可伸缩的神经网络框架来重建 SMPL 模型子空间中的人体 3D 网格,并在现实图像上表现优异,特别是在形状估计方面。
Aug, 2019