Dec, 2016

深度神经网络实现照片级真实面部纹理推理

PDF
TL;DR利用深度卷积神经网络提取中层特征，从高分辨率人脸数据库中拟合特征的凸组合，从而生成 photorealistic texture map，以实现从低分辨率输入图像中合成高逼真度的 3D 人脸渲染模型，并进行了广泛的验证。
3d face modelphotorealistic texture mapconvolutional neural networkfacial detail descriptionlow-resolution input images
发现论文，激发创造
  • 使用图卷积网络实现从野外图像进行高保真度 3D 人脸重建

    本文提出了一种利用图卷积网络从单视角图像中重建具有高保真度贴图的三维人脸形状的方法，并相对于其他的现有方法具有更好的定量和定性效果。

    Mar, 2020

  • 学习合成数据进行 3D 人脸重建

    本论文介绍了一种基于卷积神经网络和生成随机几乎逼真的面部图像的方法，可以通过单张照片快速、稳健地重建面部的三维几何结构，即使在极端表情和各种光照条件下也可以成功恢复面部形状。

    Sep, 2016

  • 单图像照片逼真面部细节合成

    通过表情分析生成满足要求的脸部几何表达形式并结合有监督和无监督学习实现面部细节合成的单图像三维面部综合技术.

    Mar, 2019

  • 纹理神经形象

    我们提出了一个学习全身神经头像的系统，该系统采用中间路径，同时估计模型表面的显式二维纹理映射，并通过卷积网络将身体特征点的配置与相机相对应，直接映射为图像中单个像素的 2D 纹理坐标。我们展示了这样的系统能够学习生成逼真的渲染，并通过与使用直接图像到图像翻译的系统相比较的值得推崇的泛化性能来展示，保持显式纹理表示对于系统的改善有所帮助。

    May, 2019

  • 深度外观模型用于人脸渲染

    本文介绍了一种基于多视角捕捉技术，利用深度变分自编码器来学习人脸的几何结构和外观特征联合表示，可实现对大规模、高度复杂的人脸几何结构的完美表现，从而能够适用于实时互动场景，例如虚拟现实 (VR) 应用。

    Aug, 2018

  • Fast-GANFIT: 高保真度三维人脸重建的生成对抗网络

    本文提出了一种使用深度卷积神经网络和生成对抗网络重建人脸纹理和形状的新方法，以及一种自监督回归方法用于较快的拟合过程，展示了可生成高频细节的写实和身份保留的 3D 面部重建。

    May, 2021

  • 从单张图像中学习详细的人脸重建

    本文介绍了一种使用卷积神经网络构建面部几何细节的方法，包括由粗到细的两个网络模块和多阶段的训练阶段，可以从单张图像中提取面部表面。

    Nov, 2016

  • 延迟神经渲染：使用神经纹理进行图像合成

    通过引入 Deferred Neural Rendering 和 Neural Textures，本文提出一种新的渲染模型，可以快速准确地合成出高质量的视觉效果，即使输入的 3D 内容不完整嘈杂，同时可以在多个应用领域内进行使用，例如在新颖的视角合成，场景编辑和面部复制等方面。

    Apr, 2019

  • 基于物理建模的人脸属性学习形成

    本研究提出了一种基于深度学习的生成模型，结合 4000 高分辨率人脸扫描数据集，能够产生多种面部几何、材料属性的人脸模型，并可用于物理渲染，旨在增加面部身份的多样性，提高唯一组件之间的韧性，包括中频几何、反照率图、高频位移细节等，可用于新颖的身份生成、模型拟合、插值、动画、高保真数据可视化和低到高分辨率数据域转换，并有望鼓励所有图形、视觉和数据专业人士之间进一步的合作，展示每个人完整生物特征资料的累积价值。

    Apr, 2020

  • GANFIT：基于生成对抗网络的高保真度 3D 人脸重建

    本文利用深度学习模型和生成对抗网络技术，在 UV 空间下重建面部纹理，并通过优化参数和预先训练的深度身份特征进行监督来实现高保真和身份保留的 3D 面部重建，同时在高频细节方面实现了面部纹理重建的最高成果

    Feb, 2019