基于改进三维形变模型的三维人脸重建和密集人脸对齐方法

• 作者: 周健 黄章进
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 三维人脸重建 密集人脸对齐 三维形变模型 弱监督学习 卷积神经网络
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 虚拟现实与多媒体计算
• 页码范围: 3306-3313
• 页数: 8页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2020030420

摘要

针对现在广泛使用的三维形变模型表达能力不够,导致重建出的三维人脸模型泛化性能不佳的问题,提出了一种在姿态、表情和光照未知的条件下的基于单张人脸图片的三维人脸重建和密集人脸对齐的新方法.首先,通过卷积神经网络对现有的三维形变模型进行改进,以提高三维人脸模型的表达能力;然后,基于人脸光滑性和图像相似性,在特征点和像素层面提出新的损失函数,并使用弱监督学习训练卷积神经网络模型;最后,通过训练出的网络模型进行三维人脸重建和密集人脸对齐.实验结果表明,对于三维人脸重建任务,所提模型在AFLW2000-3D上实现了2.25的归一化平均误差;对于密集人脸对齐任务,所提模型在AFLW2000-3D和AFLW-LFPA上分别实现了3.80和3.34的归一化平均误差.与原始使用三维形变模型的方法相比,所提模型在三维人脸重建和密集人脸对齐上的归一化平均误差分别降低了7.4％和7.8％.针对不同光照环境以及角度的人脸图片,该网络模型的重建准确,鲁棒性好,且具有较高的三维人脸重建和密集人脸对齐质量.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周健		56	436	11.0	19.0
2	黄章进		14	46	5.0	6.0