Dec, 2020

从野外图像学习可动画的详细三维人脸模型

PDF
TL;DR本文提出了一种名为 DECA 的模型，可以从单张图片中预测 3D 面部的个性细节、形状、色调、表情、姿势和光照，并通过一种新颖的细节一致性损失实现了个性的详情与表情的皱纹的解耦，从而使得重建面部的动画更加逼真。该模型能够在无 3D 监督的情况下进行学习，并在两个基准测试上达到最先进的形状重建精度。
monocular 3d face reconstructionanimatable detailsdecadetail-consistency lossin-the-wild images
发现论文，激发创造
  • 通过分离三维表情与身份来实现野外实时面部表情识别

    本研究提出了一种基于深度学习和面部视频数据的情感检测方法，使用 Convolutional Neural Network 训练一个能够估计三维表情模型参数的模型，并结合情感分类器，能够高效准确地从动态图像中识别面部表情，且在基本情感和压力情感的识别任务中超过了其他方法。

    May, 2020

  • EMOCA: 基于情感驱动的单目人脸采集和动画

    研究使用 3D 面部化身进行情感传达，提出了一种新的深度知觉情感一致性丢失训练方法 EMOCA，实现了高保真的面部表情重建和情感传达，可用于分析人类行为。

    Apr, 2022

  • 单图像照片逼真面部细节合成

    通过表情分析生成满足要求的脸部几何表达形式并结合有监督和无监督学习实现面部细节合成的单图像三维面部综合技术.

    Mar, 2019

  • 学习生成定制的动态三维面部表情

    本文研究应用深度学习技术将单张静态图片转化为逼真的三维动画，重点探究四维面部表情的生成。作者运用一种称为深度网格编码器 - 解码器的技术，结合表情识别模型，以高分辨率的四维扫描数据集为基础，成功地实现了对面部表情的高度逼真合成，且具有较好地泛化能力。该研究是首次尝试解决四维面部表情合成的问题。

    Jul, 2020

  • DeepWrinkles: 准确而逼真的服装建模

    本研究提出了一种数据驱动的方法，使用条件生成对抗网络来实现真实服装的高保真度仿真，可用于身体动画等应用。

    Aug, 2018

  • 3D 引导细粒度人脸操作

    提供了一种细致的人脸操作方法，利用三维人脸模型和分离出质地和形状的方法进行纹理和形状不同表情的构建，进而通过生成网络和全连接网络实现表情的合成和准确形状的预测，获得了优越的结果，并被 85% 的用户优先选择，并且在 53% 的情况下，注释员无法可靠地区分合成的图像和真实图像的差别。

    Feb, 2019

  • 基于自监督学习的详细 3D 人脸重建

    本文提出了一种基于 end-to-end learning 的学习框架，可用于从单个图像中详细地三维重建人脸，不需要传统方法计算的替代地面真值 3D 模型的监督，而是利用输入图像本身作为监督。

    Oct, 2019

  • AniFaceGAN: 为视频头像生成可动画 3D 感知人脸图像

    本研究提出一种可动画的 3D 感知生成对抗网络用于多视角一致的人脸动画生成，通过将 3D 感知生成对抗网络的 3D 表示分解为模板场和形变场，并提出 3D 级模仿学习方案，帮助我们实现高质量的动画面部图像生成并具有较强的可视化 3D 一致性。

    Oct, 2022

  • 个性化面部建模以改进面部重建和运动重新定向

    提出了一种基于结合使用大量视频数据、学习不同用户的个性化面部模型以及独特表情的动态图像映射，可以准确捕捉广泛条件下的微细面部动态及更准确地重构面部和面部运动，比现有技术达到更好的效果。

    Jul, 2020

  • 3D 人脸形状的解耦表示学习

    本文介绍了一种设计三维人脸形状表征的新策略。通过将面部形状分解为身份部分和表情部分进行非线性编码和解码，利用属性分解框架对三维面孔网格进行表示，以更好地表示通常在彼此之间非线性变形的面孔形状。实验结果表明，我们的方法在分解身份和表情部分方面比现有方法表现更好，而且可以使用我们的方法获得更自然的表情转移结果。

    Feb, 2019