使用 3D 可塑模型和生成对抗网络进行人脸去遮挡

ICCVApr, 2019

使用 3D 可塑模型和生成对抗网络进行人脸去遮挡

Face De-occlusion using 3D Morphable Model and Generative Adversarial Network

Xiaowei Yuan, In Kyu Park

TL;DR本研究提出了一种新颖的基于 3DMM 和生成对抗网络的方法来恢复去遮挡的人脸图像并重建正确的 3D 面部模型，实验结果证实了该算法在消除各种头部姿势和光照等难以处理的遮挡方面的有效性和鲁棒性。

Abstract

In recent decades, 3d morphable model (3DMM) has been commonly used in image-based photorealistic 3D face reconstruction. However, face images are often corrupted by serious occlusion by non-face objects includin

3d morphable model face reconstruction de-occlusion adversarial network convolutional neural network

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

野外条件下的大姿态人脸正向化

本文提出了一种利用深度学习中的 3D 可塑模型进行面部正面化的生成式对抗网络，可以有效提高识别率和处理不同姿势的面部图像。

Apr, 2017

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

分割重构引导的面部图像去遮挡

本研究提出了一种基于人脸分割和三维人脸重建的面部去遮挡模型，通过预测面部先验和遮挡掩码实现了对所有种类的面部遮挡（包括毛发等较模糊的边界）的自动去除，并为了监督训练进一步构建了一个大型遮挡数据集。实验证明，该方法有效且鲁棒。

Dec, 2021

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

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

通过生成对抗网络实现高质量面部表面和纹理合成

提出了一种基于 3D 可变形模型和生成对抗网络的面部综合模型，使用普适化方法将几何数据映射到二维平面，实现了对数字扫描的几何数据高效处理，在人类纹理参数空间中生成逼真的面部纹理和它们的对应几何图形，从而获得了新的高分辨率 3D 面孔。

Aug, 2018

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

基于 3D GAN 的大姿态人脸识别改进

研究使用生成的合成数据进行面部识别的训练。通过在 GAN 的产生器中引入 3D 可塑模型，实现了从实际图像中学习非线性纹理模型，从而生成新的合成身份，同时操作姿势、照明和表情，而不会影响身份。最终使用生成的数据增加现有面部识别网络的训练，性能得到改善。

Dec, 2020

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