Nov, 2020

非标定图像的三维人脸重建调研

PDF
TL;DR本文综述了过去十年中提出的三维人脸重建方法，重点关注了那些只使用在不受控制条件下捕获的二维图片的方法。分类基于用于添加先验知识的技术，考虑了统计模型拟合、光度计和深度学习这三种主要策略，并分别审查了每种策略。我们发现，深度学习策略正在迅速增长，取代了广泛的统计模型拟合策略。相比之下，光度学方法的数量较少，因为需要强烈的基本假设来限制质量。此外，本文还确定了当前的挑战，并提出了未来研究的方向。
3d face reconstruction2d picturesprior knowledgestatistical model fittingdeep learning
发现论文，激发创造
  • 使用单张图像进行几何细节的 3D 人脸重建

    本研究提出了一种新的方法，使用粗到细的优化策略，从不受限制的 2D 图像中重建 3D 人脸，包括利用基于示例的双线性人脸模型生成光滑的粗糙 3D 人脸，使用局部修正变形场对其进行精细化处理和使用形状 - 从 - 阴影方法恢复细节，实现了真实世界模型和公共可用数据集的精度和细节恢复方面的领先水平。

    Feb, 2017

  • 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

  • 法医识别的三维面部重建 - 综述

    本文调查了 3D 人脸重建算法在法证应用中的潜在作用，强调了它与生物识别的关系，并分析了目前的障碍。

    Feb, 2023

  • 弱监督学习下的精确三维人脸重构：从单张图像到图像集

    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

  • 单张图片生成 3D 面部肖像

    本文提供一种基于学习的方法来从单个肖像图像中恢复人头的 3D 几何形状，并且使用参数化 3D 人脸模型来表示头部几何形状以及其他头部区域的深度图，同时使用双目立体匹配方法从具有野外人脸的图像中学习头发和耳朵的几何信息，最后，评估和对比结果表明该方法可以产生高保真的 3D 头部几何形态和头部姿态操作结果。

    Apr, 2020

  • 通过野外 2D 面部图像辅助单张图像的 3D 面部重建

    使用 2D 图像辅助自监督学习的方法可大幅提高 3D 人脸模型的学习效果，该方法引入 4 种自监督方案，显著降低了对传统 2D 到 3D 配对注释的需求，从而在多种数据集上均取得大幅优于现有技术的 3D 重建和面部对齐结果。

    Mar, 2019

  • 从互联网照片中进行头部重建

    本文提出了一种称为边值增长算法的方法，通过光度立体约束从互联网上下载的名人照片中逐渐构建头部模型，以实现三维人脸重建，同时避免面部外胚层区域构建错误而导致的现有技术偏差。

    Sep, 2018

  • 3D 人脸重建：前往取证之路

    3D 面部重建算法在图像和视频中的应用广泛，但在法医应用中，其作为证据的作用仍不明确。本文调查了 3D 面部重建在法医学中的应用约束、潜力和限制，并提出了可能取代或补充现有数据集的替代方案。

    Sep, 2023

  • 来自不同原始扫描数据的 3D 人脸建模

    本文提出了一种创新框架来实现从不同 3D 扫描数据库中共同学习非线性面模型，并建立其扫描之间的稠密点对点对应关系，通过使用 PointNet 架构将输入扫描作为无组织的点云进行转换，从而恢复其 3D 面形，并采用弱监督学习方法来提高方法的稠密对应和表征能力，有助于单帧 3D 面重建。

    Feb, 2019

  • 基于图像的三维物体重建：深度学习时代的现状和趋势

    本篇综述文章总结了基于深度学习技术的图像三维重建方法，以形状表示、网络结构和训练机制为基础，介绍了近期该领域的研究进展和性能比较，并探讨未来研究的方向。

    Jun, 2019