Dec, 2023

ImFace++：一种具有隐式神经表示的复杂非线性三维可塑人脸模型

PDF
TL;DR本研究提出了一种名为 ImFace++ 的新型 3D 可塑性面部模型，通过使用隐式神经表示来学习一种精细连续空间，并通过构建两个明确定义的变形场和一个优化的神经融合场来模拟面部的复杂形状、个体身份和表情变化，进而在面部重建和对应精度方面显著提升了现有技术水平。
发现论文，激发创造
  • ImFace：一种具有隐式神经表示的非线性 3D 可塑性面部模型

    本文提出了一种新的 3D 可塑人脸模型 ImFace，能够学习一种非线性和连续空间，用于捕捉具有特定身份和表情的复杂形状。除了 ImFace，还提出了有效的预处理管道，以解决隐式表示中 watertight 输入要求的问题，这使得它们可以与常见的人脸表面一起使用。通过大量实验，论文证明了 ImFace 模型的优越性。

    Mar, 2022

  • 通过可控局部变形场实现的隐式神经头部合成

    通过基于部件的隐式形状模型，我们设计了一种可以控制 3D 头像的方法，可以推断局部语义 Rig，包括面部特征，通过局部控制丰富了隐式形变字段，使其具有更强的局部控制性能。

    Apr, 2023

  • 从视频中生成的隐式可塑头像

    提出了一种名为 IMavatar 的新方法，可以从单目视频中生成隐式头像。通过学习混合形状和蒙皮场来表示表情和姿势相关的变形，使得这些属性可以用于完成新表情和姿态下的几何和纹理场的变形，并通过光线行进和迭代根查找，为每个像素定位规范表面交点，从而实现了头像的生成，并通过端到端的训练，得出了比现有技术更完整的表情空间和几何形状。

    Dec, 2021

  • i3DMM：人类头部深度隐式三维可变形模型

    本文提出了首个深度隐式三维可微形变模型（i3DMM），该模型不仅捕捉了前部人脸的特定身份几何、纹理和表情，还模拟了包括头发在内的整个头部。使用一种新的设计，将形状与颜色分离来学习密集的对应关系，最终展示了 i3DMM 的优点及其应用。

    Nov, 2020

  • 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

  • 高保真非线性三维人脸可变模型

    该论文提出了一种通过学习额外的代理来学习高保真人脸模型的新方法，结合全局和局部模型的精心设计网络，通过改进非线性 3D 可变形模型的学习目标和网络架构，使其在捕捉更高级别细节方面具有优越性，从而在 3D 人脸重建中实现了最先进的表现。

    Apr, 2019

  • 从野外图片中学习 3D 人脸可塑模型

    本文提出了一种新的框架以学习从大量野外人脸图像中学习非线性 3DMM 模型，该模型可以用于面部对齐，3D 重建和面部编辑。

    Aug, 2018

  • 一次性隐式可塑人脸建模与一致纹理参数化

    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

  • 从图像和视频中学习完整的三维可塑性人脸模型

    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

  • 人脸图像的神经隐式变形

    我们提出利用基于坐标的神经网络来表示面部图像的变形和融合。通过结合经典方法中的能量函数，我们利用这些网络的平滑性和灵活性进行训练，同时允许连续的面部变形和融合。实验结果表明，我们的方法在面部变形检测方法方面与传统方法和基于数据的神经技术相竞争，并在审美上呈现出文献中尚不常见的多样面孔的无缝融合。

    Aug, 2023