从单个扫描构建 3D 可塑模型
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
本研究提出了一种基于自监督学习的方法,通过图像和视频数据学习脸部特征的完整 3D 模型,实现了环境无关的单目重建,并训练出能够更好地推广和提高图像重建质量的表情基础等方面的面部模型。
Oct, 2020
本研究提出了一种新的三维人脸重建技术,利用稀疏光度立体和单个图像的面部建模技术,通过采用语义分割技术,可以精确重构面部毛发和裸露皮肤区域,包括皱纹、眉毛、丘疹、毛孔等微小的几何细节,其表现可与电影品质制作相媲美。
Nov, 2017
本文提出了一种构建隐式 3D 变形人脸模型的新方法,使用了学习得出的 SDF 和明确的 UV 贴图参数化,从而实现了单张图片的重建、面部表情动画的修改和纹理的直接绘制,相较于现有技术在照片逼真度、几何和表情精度上有了提升。
May, 2023
本文提出一种新的光场捕捉和处理方法,用于获取面部散射反照率图像,并成功构建了第一个可塑形面部反照率模型。该模型可作为 Basel Face Model 或 FLAME 的材质模型的替代品,在光谱校准的线性 sRGB 空间中建立,可用于典型相机拍摄的图片的反渲染和 3D MM 拟合。
Apr, 2020
本研究提出了一种基于深度学习的生成模型,结合 4000 高分辨率人脸扫描数据集,能够产生多种面部几何、材料属性的人脸模型,并可用于物理渲染,旨在增加面部身份的多样性,提高唯一组件之间的韧性,包括中频几何、反照率图、高频位移细节等,可用于新颖的身份生成、模型拟合、插值、动画、高保真数据可视化和低到高分辨率数据域转换,并有望鼓励所有图形、视觉和数据专业人士之间进一步的合作,展示每个人完整生物特征资料的累积价值。
Apr, 2020
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
本研究工作旨在通过将 3D 可变模型整合到最新的多视角一致性扩散方法中,增强生成扩散模型在创建可控、照片般逼真的人类头像任务中的质量和功能。我们的实验证明了在基于关节的 3D 模型的准确约束下,生成流水线模型在单图像的新视角合成任务上的性能改进,更重要的是,这种整合实现了面部表情和身体姿势控制在生成过程中的无缝和准确融入。据我们所知,我们提出的框架是第一个允许从未见过的单一图像创建完全 3D 一致、可动画和照片般逼真的人类头像的扩散模型;广泛的定量和定性评估证明了我们的方法在新视角和新表情合成任务上相对于现有最先进的头像创建模型的优势。
Jan, 2024