基于图像的人脸三维重建在人脸分析与娱乐领域里有巨大的应用场景,同时它也可以用于提升人脸关键点检测,人脸识别,人脸编辑等很多任务。
本文重点介绍其中基于3DMM模型的核心技术及其研究进展。
3DMM模型是?
基于人脸图像的三维重建方法非常多,如立体匹配,Structure From Motion(简称SfM),三维可变形人脸模型(3DMM)等,本文就重点讲述3DMM相关的传统方法和深度学习方法。
3DMM,即三维可变形人脸模型,是一个通用的三维人脸模型,用固定的点数来表示人脸。
它的核心思想就是人脸可以在三维空间中进行一一匹配,并且可以由其他许多幅人脸正交基加权线性相加而来。我们所处的三维空间,每一点(x,y,z),实际上都是由三维空间三个方向的基量,(1,0,0),(0,1,0),(0,0,1)加权相加所得,只是权重分别为x,y,z。
人脸的基本属性包括形状和纹理,每一张人脸可以表示为形状向量和纹理向量的线性叠加。
例如:输入图像可以是单张正面的人脸图像,多张正面的人脸图像,或者用户交互输入的图像,其重建效果可见下图,图1.1为输入图像,1.2为输出结果。
图1.1
图1.2
扫码支付0.1元预约直播
直播结束后提供课件&代码数据集
这次我邀请了一线大厂算法工程师Johnson,给大家详细解读3DMM算法。
3DMM直播预告
直播老师及主播主题
8月18日-8月19日、一线大厂算法工程师Johnson直播
Johnson
硕士毕业于中科院
7年BAT大厂算法工作经验
在interspeech、ASRU、ICASSP等发表多篇专利与论文
扫码支付0.1元预约直播
直播结束后提供课件&代码数据集
一、8月18日20:00
1.3DMM算法介绍
2.训练算法
3.拟合算法
4.学习路径推荐
二、8月19日20:00
1.空间旋转矩阵以及平移计算
2.三维曲面法向量
3.光照以及光线方向对曲面颜色的影响
4.渲染算法以及三角坐标插值算法
扫码支付0.1元预约直播
直播结束后提供课件&代码数据集