Apr, 2019

MVF-Net: 多视角 3D 人脸可塑模型回归

PDF
TL;DR本文提出一种基于卷积神经网络和多视图图像的 3D 人脸重建方法，使用自监督的视角对齐损失来减少视图之间对齐误差，并使用光流法预测 3D 形状，实现更好的 3D 重建结果。
3d facial reconstructionmulti-viewconvolutional neural networkdense correspondencesoptical flow estimator
发现论文，激发创造
  • 使用深度神经网络回归具有鲁棒性和判别性的三维可塑模型

    我们提出了使用卷积神经网络进行三维面部模型重建的方法，通过大量标记数据的生成，优化了模型的准确性和稳定性，得到了超过现有方法的识别结果，实现了使用三维面部模型进行面部识别。

    Dec, 2016

  • 从视频中学习人脸模型

    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

  • 通过学习隐式函数从多视角图像中恢复详细的面部几何形状

    本文提出了一种新型架构来在数十秒内恢复极其详细的 3D 人脸，通过在多视图图像中拟合一个 3D 可塑模型，提取并聚合多个图像的特征，学习一种用于回归匹配成本的隐式函数。与先前的学习方法相比，在 FaceScape 数据集上准确性更高。

    Jan, 2022

  • 非线性 3D 人脸可变模型

    本文提出了一种从大量非约束人脸图像中学习非线性 3D Morphable Model 的创新框架，该模型拥有比线性模型更强大的表示能力，并对人脸对齐和 3D 重建做出了贡献。

    Apr, 2018

  • 三维面部重建的分离姿势和形状

    提出了一种深度学习技术结合三维可塑模型（3DMM）进行三维人脸重建的方法，通过结合结构运动（SFM）和多视图立体（MVS）技术，构建了一个端到端的流水线，用于稳定准确地求解姿态和形状，并在量化和质量结果方面显示出明显的改进。

    Aug, 2023

  • 从野外图片中学习 3D 人脸可塑模型

    本文提出了一种新的框架以学习从大量野外人脸图像中学习非线性 3DMM 模型，该模型可以用于面部对齐，3D 重建和面部编辑。

    Aug, 2018

  • 基于 FLAME 的多视图 3D 人脸重建

    通过将多视图训练框架与面部参数模型 Flame 相结合，本论文旨在实现更好的面部 3D 重建质量，提出了一个多视图训练和测试模型 MFNet（多视图 Flame 网络）。通过建立自监督训练框架，引入多视图光流损失函数和面部标志损失等约束，最终获得了完整的 MFNet。基于 AFLW 和 facescape 数据集以及模拟实际场景拍摄的面部照片，我们在尽可能模拟实际情况的同时重建了 3D 面部，并取得了良好的结果。本研究主要解决了将面部参数模型与多视角面部 3D 重建相结合的问题，并探索了基于 Flame 的多视图训练和测试框架的实现，对于面部 3D 重建领域有一定的贡献。

    Aug, 2023

  • 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

  • MVPNet：用于从单张图像重建三维物体的多视图点回归网络

    该论文提出了一种基于点云的物体表面重建方法，使用编码器 - 解码器网络通过单张图片生成多种视角下的点云，并且使用几何损失函数提高表面拟合准确性。

    Nov, 2018

  • 3D 可塑模型回归的无监督训练

    本文提出了一种基于人脸图像的无监督学习方法，使用面部识别网络特征从像素到 3D 型可变模型坐标的回归网络训练，通过可微分的渲染器进行预测脸部的渲染并计算特征，引入批量分布损失、循环损失和多视图身份损失来实现从特征学习并避免网络欺骗效应，在使用未标记的照片和可变形模型进行训练，展示了最先进的结果。

    Jun, 2018