关键词monocular 3d face reconstruction
搜索结果 - 7
- WWW基于谱图卷积编码器的 3D 人脸重建
通过将现有的 2D 特征与 3D 特征相结合，引入 3D-ID Loss 指导模型学习过程，提出一种创新方法来克服当前单眼 3D 人脸重建方法中所遇到的挑战，从而提高 3D 结构特征的重建效果。
- 单目三维人脸重建的感知形状损失
通过使用阴影线索，我们提出了一种新的适用于单目人脸捕捉的感知形状损失函数，该函数能够评估 3D 人脸估计的质量，并且能够优化单目 3D 人脸重建和深度神经网络回归，提高当前技术水平的结果。
- 从视频中感知语音的视觉三维面部表情重建
本文介绍了一种基于视觉的、口型感知的三维口部表情重建方法，该方法不需要任何文本转录或对应音频，并使用 “lipread” 损失来指导拟合过程，以使三维重建的头部运动与原始视频片段的感知相似。此外，通过三个大规模数据集的详尽客观评估和两个基于 - CVPR基于学习的新颖视角合成的全脸外貌的基于 3D 凝视估计
本研究提出了基于单目三维面部重建的合成凝视估计训练数据的新方法，利用投影匹配过程，配合掩码引导凝视估计模型和数据增强策略，显著提高了在具有非重叠凝视分布的跨数据集环境下的估计性能。
- 从野外图像学习可动画的详细三维人脸模型
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 - 使用位置引导网络学习 3D 面部重建
本研究提出自监督学习的方法，使用姿势引导网络 (PGN) 进行单眼 3D 人脸重建，并通过结合参数模型的学习和数据驱动的学习技术，从完全标记的 3D 地标和无限制的野外面部图像中学习。通过使用包含同一人物多帧嵌入的面部几何信息的自监督学习方 - ECCV自监督单目 3D 人脸重建：基于遮挡感知多视角几何一致性
本文提出了基于多视角几何一致的自监督训练架构，目标是在面部姿态和深度估计过程中提供可靠的约束。实验结果表明，该方法在面部姿态、表情和光照等方面的变异下都表现出优越性。