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

CVPRMar, 2020

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

Towards High-Fidelity 3D Face Reconstruction from In-the-Wild Images Using Graph Convolutional Networks

Jiangke Lin, Yi Yuan, Tianjia Shao, Kun Zhou

TL;DR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。

Abstract

3d morphable model (3DMM) based methods have achieved great success in recovering 3D face shapes from single-view images. However, the facial textures recovered by such methods lack the fidelity as exhibited in t

3d morphable model facial texture generative networks graph convolutional networks single-view images

发现论文，激发创造

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

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

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

高质量的基于仿射卷积网络的 3D 人脸重建

通过引入仿射卷积网络，本文提出了一种新的网络架构来解决三维人脸重建中输入图像和输出图像之间的空间不对应的问题，并生成 512×512 像素的高质量 UV 贴图。

Oct, 2023

深度神经网络实现照片级真实面部纹理推理

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。

Dec, 2016

野外环境下的三维面部可塑性模型

通过组合强大的面部形状统计模型和 “野外” 纹理模型，我们提出了第一个 “野外” 3DMM，大大简化了拟合过程，无需将其优化针对照明参数。

Jan, 2017

从单张肖像创建游戏角色面孔的 MeInGame

本研究提出一种自动化游戏角色面部创建方法，可以预测面部形状和纹理，并可以整合到大多数现有的三维游戏中，超越目前游戏中使用的最先进的方法

Feb, 2021

基于纹理和形状卷积网格解码器的密集式 3D 人脸解码，每秒超过 2500 帧

本篇研究利用基于深度学习的自编码器构建了一种新型 3DMM 模型，用于实现低计算复杂度下的面部重建及颜色渲染。

Apr, 2019

使用 3D 可塑模型和生成对抗网络进行人脸去遮挡

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。

Apr, 2019

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