人脸3D重建：Cascaded Regressor

最新推荐文章于 2024-08-20 09:15:29 发布

tinyzhao

最新推荐文章于 2024-08-20 09:15:29 发布

阅读量9k

点赞数 3

分类专栏： Computer Vision Face Analysis 文章标签：人脸识别 3D重建人脸对齐

本文链接：https://blog.csdn.net/tinyzhao/article/details/53639972

版权

本文详细介绍了基于级联回归的3D人脸重建方法，该方法将3D重建问题转化为回归问题，通过不断调整3D形状以匹配2D图像上的特征点。与传统模型匹配方法相比，此算法具有更高的精度和速度，且不受图像角度限制。论文分析了训练过程、模型求解和结果，并探讨了噪声和新样本的泛化能力。

摘要由CSDN通过智能技术生成

《Cascaded Regressor based 3D Face Reconstruction from a Single Arbitrary View Image》论文解读

本文来自四川大学，论文原文：

https://arxiv.org/abs/1509.06161v1

人脸3D重建就是从一张或多张照片中重建出人脸的3D的模型。本文提出了回归框架下的人脸3D重建，这篇文章给我的感觉就是SDM的3D版本，而经典的3DMM和ASM很类似，不知道我的看法是否正确。本文将3D重建建模成为回归问题，这样的话很多回归的方法就可以用在这里了，更进一步，深度学习的方法也是可以用在这里的。

概述

传统的3D重建问题解决方法是模型匹配(model fitting)，本文将3D重建问题建模成回归问题，训练样本为3D模型和对应的多角度2D图片，2D人脸图片需要事先标记好特征点位置。2D图片上特征点位置和3D形状相关性比较大，而且对光照比较鲁棒。跟之前的方法相比，本文的算法可以从任意角度图片重建人脸，速度快，精度高。

问题模型

2D的人脸图片可以看做是3D人脸在2D平面上的一个投影。 $M=(S,T)$ 表示一个3D人脸，其中 $S \in \{(x_i,y_i,z_i)\vert i=1,2,...,m\}$ 代表人脸的三维坐标形状, $M \in \{ t_i\vert i=1,2,...,m\}$ 代表纹理信息，下标m代表3D人脸点云上所有点的个数， $I$ 代表M的2D投影， $I(u,v)$ 代表像素 $(u,v)$ 处的纹理值。3D人脸重建就是从2D图片 $I$ 中计算出M的估计 M^=(S^