Apr, 2022

DAD-3DHeads：一种适用于单幅图像的大规模密集、准确和多样化的 3D 头部对齐数据集

PDF
TL;DRDAD-3DHeads 数据集提供了 3.5k 个准确地表示 3D 头部形状的标记点，DAD-3DNet 以数据驱动方式训练，学习了形状，表情和姿态参数，可用于在野外进行 3D 面部对齐及姿态等任务的精确实现，在 3D Head Pose Estimation、3D Face Shape Reconstruction 以及 3D Dense Head Alignment 任务中均表现优异，丰富的数据种类可用作该领域性能的比较。
3d dense head alignmentdad-3dheads dataset3d reconstructionfacial expressionsbenchmark
发现论文，激发创造
  • 我们离解决 2D 和 3D 面部对齐问题还有多远？(一个包含 230,000 个 3D 面部标记的数据集)

    本文研究了非常深层神经网络在现有的 2D 和 3D 人脸对齐数据集中实现饱和性能的距离。通过构建一个强大的基线，创建引导 2D 标记的网络并创建最大的和最具挑战性的 3D 人脸标记数据集 LS3D-W，训练和评估神经网络，并探究大小等因素的影响，该研究证明 2D 和 3D 人脸对齐网络均实现了接近饱和性能的显著高精度水平。

    Mar, 2017

  • 跨大姿态的人脸对齐：一种三维解决方案

    提出了一种新的 3D 密集面部对齐框架 (3DDFA)，通过卷积神经网络 (CNN) 将密集的 3D 面部模型拟合到图像中，解决了面部对齐中的圆形视图问题，面部外观变化剧烈问题和面部关键点标记困难问题，并通过在 profile 视图下合成大规模训练样本来解决关键点标记困难问题，并在具有挑战性的 AFLW 数据库上实验，证明我们的方法明显优于现有最先进方法。

    Nov, 2015

  • 全姿态范围下的人脸对齐：三维全方位解决方案

    本文提出了一种新的面部对齐框架，称为 3D Dense Face Alignment (3DDFA)，其中使用级联卷积神经网络将密集 3D 可变形模型（3DMM）配合到图像中。本文还利用 3D 信息合成正面视图和侧面视图的面部图像以提供丰富的样本进行训练。在具有挑战性的 AFLW 数据库上的实验表明，所提出的方法比现有技术取得了显着的进步。

    Apr, 2018

  • 密集人脸对齐

    本文提出一种利用 CNN 进行 3D 面部形状估计的方法，实现了对于姿态变化较大的大角度面部图像的高精度、稠密三维对齐。

    Sep, 2017

  • SADRNet：用于鲁棒的 3D 密集人脸对齐和重建的自对准双面回归网络

    本文提出了一种自对齐的双重脸部回归网络 (SADRNet) 框架，通过建模遮挡和姿势，将三维面部的密集对齐和重建问题分解为几个相对更易于处理的子任务，分别预测一个姿态相关面和一个姿态无关面，再由遮挡感知的自对齐组合生成最终的三维面部，实验结果表明该方法在 AFLW2000-3D 和 Florence 等基准测试上显著优于现有最先进方法。

    Jun, 2021

  • 从单视角肖像数据集学习全头部三维生成对抗网络

    我们提供了第一个 3D 感知的全头像肖像生成器，它从包含多种摄像参数和身体姿势的高质量单视角真实肖像数据集学习一个规范化的 3D 化身分布，并利用我们的规范化生成器产生符合数据集身体姿态分布的变形结果来生成自各个摄像角度（360°）具有完整 3D 几何的视一致逼真肖像图像。

    Jul, 2023

  • 基于位置地图数据的轻量级 3D 密集人脸关键点估计模型

    通过未标定的 2D 图像在无监督的方式下重建 3D 面部，并针对稠密地标进行预测，该方法在模型大小和计算成本上优于现有方法，并在各种头部姿势和面部变化中展现了高效性。

    Aug, 2023

  • AnimeCeleb：用于头部再现的大规模动画名人数据集

    我们提出了一种新的 Animation CelebHeads（AnimeCeleb）数据集，利用 3D 动画模型作为可控图像采样器，为头部动画重现提供了大量的头部图像和对应的详细姿势注释，借助半自动流水线构建注释系统，通过 AnimeCeleb 进行训练，我们的跨域头部重新表演模型在推断过程中可以轻松地将用户的动作转移到任意的动画头部，证明 AnimeCeleb 对于训练动画头部重现模型的实用性以及我们的跨域头部重新表演模型相比现有最先进的方法的优越性。

    Nov, 2021

  • 利用数百万 3D 扫描进行大规模 3D 人脸识别的学习

    提出使用大量的 3D 面部扫描数据和深度学习模型的方法来解决开放世界人脸识别问题，并取得了比现有技术超过 10％的精度提升。

    Nov, 2017

  • Portrait3D：基于单张野外人像图像的 3D 头部生成

    提出了 Portrait3D 框架，通过将肖像图像的身份信息整合到几何初始化、几何塑造和纹理生成阶段中，实现了从单幅肖像图像生成高质量 3D 头像的方法。

    Jun, 2024