CVPR2019人脸重建

最新推荐文章于 2022-01-28 11:33:34 发布
最新推荐文章于 2022-01-28 11:33:34 发布
阅读量296 收藏
点赞数
分类专栏： CVPR 文章标签： 深度学习 自然语言处理 神经网络
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/hr_reborn/article/details/120752588
版权

1、MMFace: A Multi-Metric Regression Network for Unconstrained Face Reconstruction

paper：http://openaccess.thecvf.com/content_CVPR_2019/papers/Yi_MMFace_A_Multi-Metric_Regression_Network_for_Unconstrained_Face_Reconstruction_CVPR_2019_paper.pdf

code：

2、MVF-Net: Multi-View 3D Face Morphable Model Regression（多视图3D人脸变形模型回归）

paper：https://arxiv.org/abs/1904.04473
code：https://github.com/Fanziapril/mvfnet

3、Dense 3D Face Decoding Over 2500FPS: Joint Texture & Shape Convolutional Mesh Decoders（2500fps的3D人脸解码，3DMM（3D变形模型））

paper：http://openaccess.thecvf.com/content_CVPR_2019/papers/Zhou_Dense_3D_Face_Decoding_Over_2500FPS_Joint_Texture__Shape_CVPR_2019_paper.pdf

4、GANFIT: Generative Adversarial Network Fitting for High Fidelity 3D Face Reconstruction（GAN 用于3D 人脸重建）

paper：https://arxiv.org/abs/1902.05978

code：https://github.com/barisgecer/ganfi

5、Towards High-Fidelity Nonlinear 3D Face Morphable Model（3DMM（3D变形模型）

paper：https://arxiv.org/abs/1904.04933
code：Nonlinear 3D Face Morphable Model 

6、Combining 3D Morphable Models: A Large Scale Face-And-Head Model（3DMM（3D变形模型））

paper：http://openaccess.thecvf.com/content_CVPR_2019/papers/Ploumpis_Combining_3D_Morphable_Models_A_Large_Scale_Face-And-Head_Model_CVPR_2019_paper.pdf
 

7、Self-Supervised Adaptation of High-Fidelity Face Models for Monocular Performance Tracking（单目人脸3D重建、跟踪与动画驱动）

paper：http://openaccess.thecvf.com/content_CVPR_2019/papers/Yoon_Self-Supervised_Adaptation_of_High-Fidelity_Face_Models_for_Monocular_Performance_Tracking_CVPR_2019_paper.pdf

8、MMFace: A Multi-Metric Regression Network for Unconstrained Face Reconstruction（多度量回归网络，用于非限制的人脸重建）

paper：http://openaccess.thecvf.com/content_CVPR_2019/papers/Yi_MMFace_A_Multi-Metric_Regression_Network_for_Unconstrained_Face_Reconstruction_CVPR_2019_paper.pdf

9、Learning to Regress 3D Face Shape and Expression From an Image Without 3D Supervision（单图像重建3D人脸形状和表情）

paper：https://arxiv.org/abs/1905.06817
project：RINGNET
code：GitHub - soubhiksanyal/RingNet: Learning to Regress 3D Face Shape and Expression from an Image without 3D Supervision 

10、Boosting Local Shape Matching for Dense 3D Face Correspondence（密集3D人脸对应）

paper：http://openaccess.thecvf.com/content_CVPR_2019/papers/Fan_Boosting_Local_Shape_Matching_for_Dense_3D_Face_Correspondence_CVPR_2019_paper.pdf

HR_Reborn
关注
专栏目录
CVPR 2019 论文大盘点-人脸技术篇
OpenCV中文网
10-22 880
CV君今天盘点了 CVPR 2019 所有人脸相关论文，总计51篇，其中研究人脸重建与识别的论文最多，人脸识别中新Loss的设计有好几篇，人脸表情分析也不少，检测和对齐相对很少了。这些论...
【CVPR2023新作】高质量面部重建
最新发布
NeRFAI的博客
08-13 210
(2): 过去的方法主要基于3DMM模型，但由于其表现能力的限制，不能恢复面部的高频细节，即皱纹等。具体来说，本文实现了几何分离和层次表示来实现详细面部建模，同时，还结合了面部细节的3D先验知识，以增强重建结果的准确性和真实性。实验结果表明，本文的方法在单视角和多视角的面部重建基准测试中，精度和视觉效果都优于现有方法，且可扩展到更广泛的场景中。其中，粗略层通过CNN模型提取人脸的全局特征，混合层通过顶点坐标和特征的组合来解决建模过程中的尺度问题，而细节层则通过外形变换和纹理着色等操作来恢复面部的高频细节。
RingNet：学习在不进行3D监督的情况下从图像中回归3D人脸形状和表情
02-06
环网 这是论文学习的官方库，无需借助3D监督即可从图像中回归3D人脸形状和表情。 该项目以前由RingNet推荐。 该代码库由推理代码组成，即使用该代码生成人脸图像，可以生成带有人脸区域的完整头部的3D网格。 有关该方法的更多详细信息，请参阅以下出版物， Learning to Regress 3D Face Shape and Expression from an Image without 3D Supervision Soubhik Sanyal, Timo Bolkart, Haiwen Feng, Michael J. Black CVPR 2019 有关我们现在的基准数据集，3
CVPR2021人脸重建
HR_Reborn的博客
10-13 663
1、Lifting 2D styleGAN for 3D-Aware Face Generation(提升2D StyleGAN 以生成3D感知人脸） paper：https://arxiv.org/abs/2011.13126 2、Riggable 3D Face Reconstruction via In-Network Optimization(通过网络内优化进行可操纵的3D人脸重建) paper：https://arxiv.org/abs/2104.03493 code：GitHub - z
CVRP2020人脸重建
HR_Reborn的博客
10-13 363
1、Towards High-Fidelity 3D Face Reconstruction From In-the-Wild Images Using Graph Convolutional Networks paper：https://arxiv.org/pdf/2003.05653.pdf code：https://github.com/FuxiCV/3D-Face-GCNs 2、AvatarMe: Realistically Renderable3D Facial Reconstructio.
[CVPR2019]Towards High-fidelity Nonlinear 3D Face Morphable Model
wrk226的博客
01-28 610
本文主要的目的是从2D图像建立更加真实的3D人脸模型。 作者分析之前的模型之所以无法建立非常真实的3D人脸模型的一大原因是对模型加了太多的约束，因此作者考虑使用代理参数来避免这一点。另外，作者还对模型做了全局和局部的区分对待，这进一步加强了模型对细节重建的精度。 这是本文中对于代理参数部分的建模。 首先，那个绿色的epsilon就是一个非线性回归器，用来预测输入图片中的投影矩阵M，光照参数L，形状参数fs和反射率参数fa。其中形状参数和反射率参数会经过各自的编码器编码出对应的代理形状参数，真实形状
人脸重建汇报1
HR_Reborn的博客
10-09 708
定义：3D人脸重建——通过2D图片生成3D模型 我们可以用这样一个表达式来建模3D人脸模型： M = ( S , T ) 其中，S表示人脸3D坐标形状向量（shape-vector）： S = ( x 1 , y 1 , z 1 , x 2 , y 2 , z 2 , ⋯ , x n , y n , z n ) T T表示对应点的文理信息向量（texture-vector）： T = ( R 1 , G 1 , B 1 , R 2 , G 2 , B 2 , ⋯ , R n , G n , B...
CVPR2019论文
03-04
检测 28分割 36分类、识别 15跟踪 19人脸 8人体姿态估计、位姿估计 18行为/动作识别、手势识别 10时序动作检测、视频相关 18Related to Networks 34GAN、图像文本生成 21图像/视频处理、超分辨 18点云、三维重建 25...
半耦合人脸重建 SCDL
06-17
在CVPR2012会议上发表的论文中，SCDL方法被详细阐述并展示了其在人脸重建和识别任务上的优越性能。 在人脸重建问题中，目标是通过学习一个能够表示输入人脸图像的字典（dictionary），将复杂的面部特征转换为一组...
cvpr2020 人脸检测与识别_CVPR2020 | 反传统的无监督人脸旋转方案：旋转-渲染
weixin_42495556的博客
01-12 497
本文解读的是 CVPR 2020 论文《Rotate-and-Render: Unsupervised Photorealistic Face Rotationfrom Single-View Images》，作者来自香港中文大学和商汤科技。本篇解读首发于知乎。作者 | 周 航编辑 | 丛 末论文：https://arxiv.org/pdf/2003.08124.pdf代码：github.com/...
Dense 3D Face Correspondence.pdf
09-10
Dense 3D Face Correspondence.pdf
[CVPR2019](RingNet)Learning to Regress 3D Face Shape and Expression from an Image without 3D
wrk226的博客
01-24 491
目标 在弱监督的情况下训练一个从单张2D图片到3D人脸转换的模型。 主要思想 同一个人的面部形状是永远不变的，不受光照，表情，头发，化妆，遮挡的影响。 每个人的面部形状都是独一无二的（不考虑双胞胎的情况，因为太少，相对来说可以忽略不计） 方法 输入 训练的输入是一个人的多张照片+另一个人的单张照片 模型 RingNet中的每一个单元都是一个编码器+解码器的组合。 解码器就是一个不参与训练的FLAME模型，负责将输入的形状，表情，姿势参数解码成对应的3D人脸 编码器由一个预训练的ResNet-50和几个全
CVPR人脸识别梳理
qq_33824968的博客
06-18 4742
1：Feature Transfer Learning for Face Recognition with Under-Represented Data 基于数据不足的数据集通过特征迁移学习人脸识别。 2：Disentangled Representation Learning for 3D Face Shape 将3D的人脸形状分解成认证部分（identity part）和表示部分...
人脸重建相关文章(转载)
qq_40813321的博客
07-14 504
2020 CVPR FaceScape: a Large-scale High Quality 3D Face Dataset and Detailed Riggable 3D Face Prediction 2019 论文代码 Face Reconstruction from Voice using Generative dversarial Networks 3D Dense Face Alignment via Graph Convolution Networks 2DASL: Joint 3D Fa
3D人体、3D人脸、3D人手等重建估计（CVPR2019汇总）
nbxuwentao的博客
10-29 7275
感谢博主整理： https://blog.csdn.net/mtxxxx/article/details/94596461 做个笔记，以便于日后查看代码
【CVPR2019】论文完整列表一
热门推荐
TomRen
06-11 1万+
CVPR 2019 Paper list[1-1000] CVPR2019 完整列表二 论文题目与链接 Finding Task-Relevant Features for Few-Shot Learning by Category Traversal Edge-Labeling Graph Neural Network for Few-Shot Learning G...
2019CVPR 人脸相关论文
xiong_hany的博客
06-18 6809
参考链接： https://github.com/extreme-assistant/cvpr2019； https://github.com/extreme-assistant/cvpr2019/blob/master/cvpr_2019_githublinks.csv； https://blog.csdn.net/u014636245/article/details/91426736； ...
CNN在三维人脸重建中的应用
likewind1993的博客
12-23 3980
前言 随着深度学习的发展，越来越多的CNN结构被提出来，最近几年 使得“基于图像的人脸重建”有了长足的进步。 进程
CVPR2019：深度解析多任务信息技术竞赛成果
在2019年的计算机视觉与模式识别（CVPR）会议上，一系列前沿研究和创新成果得以展示，这些论文涵盖了广泛的主题，突显了人工智能（AI）和机器学习（ML）技术在计算机视觉领域的强大影响力。CVPR2019论文集中，研究者...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值