Dec, 2023

通过分离的形状 - 纹理表示探索 3D 感知的人脸年龄预测

PDF
TL;DR本文提出了一种新的 3D 感知形状 - 纹理分离的面部变老网络，通过 3D 人脸重建将面部图像明确地划分为形状和纹理表示，并提出了一种基于经验模态分解 (EMD) 的新型纹理生成方法。通过大量的定性和定量实验证明，我们的方法在形状和纹理转换方面达到了最先进的性能。此外，我们的方法能够产生可信的 3D 面部变老结果，这在当前方法中很少见。
face agingshape-texture representation3d-stdtexture generation3d face aging
发现论文，激发创造
  • 解耦寿命人脸合成

    本文提出了一种新的寿命人脸合成模型，可以有效地建模纹理和形状的非线性年龄变换及保持身份特征，通过分离形状、纹理和身份因素以及设计两种变换模块来提高生成对于年龄和身份的敏感性和保持身份特征，实验证明其优于现有技术。

    Aug, 2021

  • 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

  • 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

  • 无监督利用三维感知潜在扩散模型对面部特征进行解耦

    本文提出了一种新颖的无监督解缠面部表情和身份表示的框架 ——LatentFace，并使用 3D 感知的潜入模型来解决这一问题。该方法在面部表情识别和面部验证等无监督面部表示学习模型中取得了最先进的性能。

    Sep, 2023

  • 重新识别监督纹理生成

    本文提出了一种基于端到端学习策略的方法，利用行人重新识别作为感知度量，生成单张人体图像的纹理贴图，实验结果表明，我们的模型可以从单张图像中生成纹理贴图，并证明我们的纹理比其他可用方法生成的质量更高，我们还将应用范围扩展到其他类别，并探索了我们生成的纹理的可能利用途径。

    Apr, 2019

  • 通过潜在扩散模型对人脸图像进行保留身份的老化处理

    本文提出、训练和验证了使用潜在的文本到图像扩散模型来综合老化和年轻化的人脸图像，评估了该方法在 CelebA 和 AgeDB 数据集上的表现，发现与现有的最先进基线相比，误识率显著降低了约 44%。

    Jul, 2023

  • 通过解耦 3D 人脸特征进行联合人脸重建和识别

    本文提出了一种编码器 - 解码器网络架构，用于从单个 2D 图像中分离出形状特征，从而能够同时实现重建准确的 3D 人脸形状和学习面部识别的判别形状特征。与现有的 3D 人脸重建方法不同，我们的方法直接从单个 2D 图像回归密集的 3D 人脸形状，并根据一个含有潜在表示的组合 3D 人脸形状模型，明确地分开处理了 3D 人脸形状的身份和残差（即非身份）部分。我们制定了一个训练流程，用联合损失来衡量面部识别错误和 3D 人脸形状重建错误，为此我们开发了一种将 3D 形态可塑模型（3DMM）适配到多幅同一主体的 2D 图像上的方法。广泛的实验在 MICC、BU3DFE、LFW 和 YTF 数据库上进行。结果表明，我们的方法扩展了 3DMM 捕捉判别形状特征和面部细节的能力，因此在 3D 人脸重建准确性和面部识别准确性方面均优于现有方法。

    Mar, 2018

  • 通过潜在空间映射的人脸身份分离

    本文提供了一种使用预训练网络来学习数据的解缠表示的方法，以实现最小的监督，同时展示了该方法在头部图像领域上成功将身份从其他面部属性中解缠并显示出较好的评估结果。

    May, 2020

  • 使用隐藏因子分析联合稀疏表示模拟人脸衰老效应

    使用基于隐藏因子分析的联合稀疏表示方法，将人脸的属性和年龄因素分开建模，并仅将年龄因素通过稀疏重构变换到目标年龄组，与身份因素相结合，产生了良好的面部老化效果，并证明了其在身份保护和老化效果生成方面的有效性。

    Nov, 2015

  • 使用三维混合形状和动态纹理建模卡通表情

    本文提出了一种解决艺术家手绘漫画变形的问题的方法，强调了增强创建所需表情的能力，同时保留漫画的身份夸张风格。这种方法的关键在于模拟漫画表达，通过传统 3DMM 表示法扩展到漫画域来实现，方法包括形状建模和纹理生成，用于重建准确和稳定的几何形状，同时生成动态纹理。实验表明，该方法的有效性得到了证明。

    Aug, 2020