来自不同原始扫描数据的 3D 人脸建模
本文提出了一种从多种不同来源学习三维脸部参数模型和三维脸部重建的新方法,通过利用包括扫描的面部数据、野外面部图像和大量的 iPhone X 捕捉的 RGB-D 图像之间的差距,以更多的训练数据为基础,我们可以学习到一个更强大的面模型。
Aug, 2018
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
本文提出了一种使用深度学习技术进行 3D 面部重建的新方法,其中使用了混合损失函数进行弱监督学习,同时利用多个图像进行面部重建,实现了快速、准确、鲁棒的重建效果,对不同数据集进行了综合实验,并与 15 种现有方法进行了比较,证明了其性能处于领先地位。
Mar, 2019
利用多帧视频自我监督训练深度网络,学习面部身份模型并同时重建 3D 面部,采用新的多帧一致性损失函数使得 consistent shape 和 appearance 尽量减小深度不确定性,从而实现单目和多帧重建。
Dec, 2018
提出了一种从单个三维网格构建生成模型并通过无监督低级别学习从二维图像中改进的方法,该方法生成了一个 3D 可变形模型,该模型由高斯过程表示形状和色调,从单个扫描或模板构建 3D 可变形模型的方法比以往的方法更优秀, 并已在面部领域得到了证明。
Mar, 2022
通过未标定的 2D 图像在无监督的方式下重建 3D 面部,并针对稠密地标进行预测,该方法在模型大小和计算成本上优于现有方法,并在各种头部姿势和面部变化中展现了高效性。
Aug, 2023
本文提出了一种融合低质量 3D 数据的人脸识别系统,通过设计 PointNet-like 深度注册网络(DRNet)和 AMSoftmax 卷积神经网络,实现更高的准确率。
Oct, 2018
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
本论文提出了一种基于联合学习参数人脸模型和面部形状、表情、反射和照明的回归器的方法,其结合了 3D 可塑模型(3D Morphable Model)的优点和学习校正空间的空外推广优点。
Dec, 2017