基于深度学习的半三维面孔准保形表面配准应用于人脸识别

May, 2024

基于深度学习的半三维面孔准保形表面配准应用于人脸识别

Deep Learning-Based Quasi-Conformal Surface Registration for Partial 3D Faces Applied to Facial Recognition

Yuchen Guo, Hanqun Cao, Lok Ming Lui

TL;DR该研究提出了一种基于深度学习和拟共形几何的方法，用于处理局部人脸数据的三维人脸注册，其通过使用曲率信息检测面部特征并估计其对应的坐标，从而建立局部人脸和模板表面之间的密集对应关系，实现点对点的几何差异估计及形状比较。

Abstract

3d face registration is an important process in which a 3D face model is aligned and mapped to a template face. However, the task of 3D face registration becomes particularly challenging when dealing with partial face data, where only limited facial information is available. To address

3d face registration partial face data deep learning quasiconformal geometry landmark detection network

发现论文，激发创造

利用深度配准从顺序稀疏 3D 数据中进行人脸识别

本文提出了一种融合低质量 3D 数据的人脸识别系统，通过设计 PointNet-like 深度注册网络（DRNet）和 AMSoftmax 卷积神经网络，实现更高的准确率。

Oct, 2018

基于几何深度学习的无监督多模态表面配准

该研究介绍了 GeoMorph，一种用于皮层表面图像配准的新型几何深度学习框架。通过应用图卷积进行独立特征提取和深度离散注册，GeoMorph 能够捕捉重要的皮层表面特征，并实现平滑且符合生物学的变形，展现出出色的性能和潜力，适用于多种神经科学应用。

Nov, 2023

走向无需训练的可解释人体识别：一个二维 - 三维配准框架

该研究论文介绍了一种旨在同时解决大规模视觉模型在生物识别中的三大弱点的识别框架 / 策略，首先它仅依赖于用于学习目的的合成样本，然后使用生成策略合成大量包含所需多个协变量（姿势、服装、距离、视角、光照、遮挡等）的样本，最后利用这些数据来学习在图像对之间执行局部配准的模型，建立身体部位的正向对应关系。

Mar, 2024

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

人脸联合对齐及三维面部重建在人脸识别中的应用

提出了一种新的联合人脸对齐和三维人脸重建方法，该方法可以自动生成姿态和表情归一化的三维人脸，并能恢复可见和不可见的二维人脸关键点，从而可以改善跨姿态和表情的人脸识别准确性。实验结果表明，该方法在人脸对齐和三维人脸重建方面均达到了最先进的精度。

Aug, 2017

基于分割的三维人脸模型非刚性配准

这篇论文提出了一种基于分区的表面注册方法，用于 3D 可变模型（3DMM）。该方法利用关键点将模板模型进行分区，然后对每个部分进行缩放，最后平滑边界。实验结果表明，该方法在解决模板模型与目标模型之间巨大差异时表现较好，且对局部极小值具有鲁棒性。

Jan, 2024

Q-REG: 基于曲率的端到端可训练点云配准

通过利用丰富的几何信息，我们提出了一种新的解决方案 Q-REG，用于从单个对应关系估计刚性姿态，并在 3DMatch、KITTI 和 ModelNet 基准测试中取得了最新的最佳成果。

Sep, 2023

使用二维投影图像自动进行牙科 CBCT 和面部扫描数据的三维配准

本文提出一种基于现有的基于机器学习的 2D 标记检测算法和开发的新数学算法识别成对 3D 标记的全自动牙科锥束计算机断层扫描（CBCT）和面部扫描数据的配准方法。经实验证明，该方法达到了 0.74 毫米的平均表面距离误差。

May, 2023

来自不同原始扫描数据的 3D 人脸建模

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

深度全局注册

我们提出了一个基于神经网络和优化算法的 3D 扫描配准框架，可以对实际数据进行高精度的配准，优于现有的同类方法。

Apr, 2020