前言
近些年来,非线性生成模型在合成高质量图像方面取得了成功。最近的许多三维人脸纹理重建和姿势处理方法仍然是依赖于大的,纯净的人脸数据集,但是显而易见的是收集这数据集中庞大的数据需要的成本非常高,故而这篇论文就提出了一种基于优化的,无监督的方法来完成二维人脸图像中缺失的三维纹理,进行单样本三维人脸纹理补全。这种方法不需要大规模的纹理数据集,而是利用存储在二维人脸生成器的信息知识,其可基于可见部分,在二维人脸生成器中对旋转后的图像进行三维旋转,填充不可见区域。
从简单的最近邻插值或者使用线性统计先验知识到现代深度学习回归技术预测三维纹理中的缺失颜色或者从一幅图像中预测一个新的视图的问题一直是许多机械学习算法的应用领域。该问题已经被认为与完全监督有关,例如使用缺失和完整的三维人脸纹理对进行训练或者使用自监督方法和图像渲染。这些包括自我监督都属于回归技术这一类。