- 博客(3)
- 收藏
- 关注
RSS订阅翻译 Controllable 3D Generative Adversarial Face Model via Disentangling Shape and Appearance
三维人脸建模一直是计算机视觉和计算机图形学研究的一个活跃领域，促进了从虚拟形象中的面部表情传输到合成数据生成的应用。现有的3D深度学习生成模型(例如VAE, GANs)允许生成紧凑的面部表示(包括形状和纹理)，可以在形状和外观空间中建模非线性(例如，散射效果，镜面，..)。然而，他们缺乏控制微妙表情生成的能力。本文提出了一种新的三维人脸生成模型，该模型能够解耦身份和表情，并提供对表情的粒度控制。特别地，我们建议使用一对监督自动编码器和生成对抗网络来生成高质量的3D面部，包括外观和形状。
2023-03-22 20:56:36
216
翻译 Unsupervised Learning of Probably Symmetric Deformable 3D Objects from Images in the Wild
Abstract提出了一种从原始单视图像中学习三维可变形物体的方法，该方法无需外部监督。该方法基于自动编码器，将输入图像分解为深度、反照率、视角和光照。为了在没有监督的情况下解开这些组成部分，我们利用了这样一个事实，即许多对象类别至少在原则上具有对称结构。我们证明，关于照明的推理允许我们利用物体的内在对称性，即使外观由于阴影而不对称。此外，我们通过预测对称概率图来建模可能是对称的对象，但不一定是对称的，与模型的其他组件端到端学习。我们的实验表明，该方法可以非常准确地从单视图像中重新覆盖人脸、猫脸和汽车的
2022-04-21 11:42:17
990
翻译 Self-Supervised 3D Face Reconstruction via Conditional Estimation
Abstract我们提出了一个条件估计(CEST)框架，通过视频中的自监督训练，从2D单视图图像中学习3D人脸参数。CEST是基于综合分析的过程，从人脸图像中估计出三维人脸参数(形状、反射率、视点、光照)，然后进行重组，重构出二维人脸图像。为了学习语义上有意义的3D人脸参数而不需要明确地访问它们的标签，CEST通过考虑不同的3D人脸参数的统计依赖相关性来耦合对各个参数的估计。具体来说，任何三维人脸参数的估计不仅取决于给定的图像，还取决于已经推导出的人脸参数。此外，采用视频帧与帧之间的反射对称性和一致性来
2022-04-07 13:59:40
627
2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人