2019_CVPR_Dense 3D Face Decoding over 2500FPS: Joint Texture & Shape Convolutional

最新推荐文章于 2021-11-25 12:26:55 发布
最新推荐文章于 2021-11-25 12:26:55 发布
阅读量642 收藏 3
点赞数
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/redredblue/article/details/106206574
版权
该博客介绍了3DMM统计模型在3D人脸重建中的应用，探讨了如何利用CNN进行非线性映射学习。文章重点提出了一种新的轻量级模型，通过网格卷积GCN实现2500FPS的CPU效率，进行无监督/自监督的3D形状和纹理联合学习。研究还对比了CoMA模型和PCA在表情表达上的优势，并引用了相关工作，如自我监督技术在超过250Hz频率下的单目重建。此外，讨论了数据集和网络架构，包括Image Encoder、Coloured Mesh Encoder和Decoder。
摘要由CSDN通过智能技术生成

（1）3DMM统计模型，形状和纹理PCA基，用来作为统计先验计算非线性的最小二乘优化来图像重建

（2）3DMM作为生成模型，利用CNN学习非线性映射（回归）

（3）本文，非线性联合学习形状和纹理（解码器不仅仅得到3d形状），网格卷积GCN，轻量级模型，2500fps cpu效率，无监督/自监督

网格卷积的优点：网络参数量少，模型大小17MB，估计3d形状300fps，Geometric Deep Learning

CoMA可以比PCA更好地表达表情，而且仅用8维度隐向量

 Related WORK

self-supervised techniques：

  1. Self-supervised multi-level face model learning for monocular reconstruction at over 250 hz. In CVPR, 2018.
    使用3DMM模型，和额外的网络结构学习3DMM空间之外的信息
  2. Nonlinear 3d face morphabl
最低0.47元/天 解锁文章
redredblue
关注
CVPR 2019 论文大盘点-人脸技术篇
OpenCV中文网
10-22 853
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...
Dense 3D Face Correspondence.pdf
09-10
Dense 3D Face Correspondence.pdf
3D人脸重建--学习笔记
热门推荐
Mingx9527
09-11 4万+
      &am
3D人脸重建之3D-Face-GCNs
年轻即出发，
01-22 2476
论文：Towards High-Fidelity 3D Face Reconstruction from In-the-Wild Images Using Graph Convolutional Networks Github：https://github.com/FuxiCV/3D-Face-GCNs 论文提出了使用图卷积神经网络GCN（Graph Convolutional Networks）对3DMM方法 (3D Morphable Model) 重建生成的纹理进行改进的方法。并且这里只重建m
CVPR学习（一）：CVPR2019－人脸方向
TheDayIn_CSDN的博客
06-27 5565
一、官网 CVPR 官方提供了2019年的论文搜索和下载的网站：http://openaccess.thecvf.com/CVPR2019.py 二、人脸相关 人脸反欺诈、人脸识别对抗攻击 大规模人脸反欺诈、活体检测库，中科院、京东等 A Dataset and Benchmark for Large-Scale Multi-Modal Face Anti-Spoofing Sh...
人脸检测业务
Hanzoe的博客
09-13 449
Tensorflow概念介绍 TensorFlow是什么？ Google开源的基于数据流图的科学计算库，适合机器学习、深度学习等人工智能领域； https://github.com.com/tensorflow https://github.com.com/tensorflow/models Tensor:张量 Flow:流向 为什么选择Tensorflow? 高度的灵活性/真正的可以执行/将科...
CVPR人脸识别梳理
qq_33824968的博客
06-18 4696
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...
CVPR 2021最全论文开放下载！附pdf下载链接！
中科院AI算法工程师的博客
06-18 1万+
CVPR 2021最全论文开放，附所有pdf下载链接！
CVPR 2019 论文汇总（按方向进行论文划分）
鬼刀
05-28 3万+
cvpr2019 accepted papers title（官方分类，需科学前往） Github论文汇总链接（欢迎star) 论文PDF下载（更新中，提取码：osvy） 论文解读汇总 目录：(也欢迎大家推荐自己的CVPR2019文章，以下篇幅较大，分类如有错误欢迎留言指出和补充谢谢~） 检测38分割50分类、识别19跟踪20人脸12人体姿态估计/手...
3D人脸重建(一)综述
weixin_41386168的博客
11-25 1万+
3D人脸重建综述
3D人脸重建算法汇总
qq_29462849的博客
12-30 7581
前言 本文首发于公众号【3D视觉工坊】，原文请见3D人脸重建算法，更多干货获取请关注公众号~ 1、Nonlinear 3D Face Morphable Model（2018） 论文链接：https://arxiv.org/abs/1804.03786 项目链接：http://cvlab.cse.msu.edu/project-nonlinear-3dmm.html 主要思想：三维变形模型（3DM...
人脸检测模型RetinaFace论文学习笔记
Learning
04-13 1402
原论文：《J. Deng, J Guo, Y Zhou, et al. RetinaFace: Single-stage Dense Face Localisation in the Wild[J]. arXiv:1905.00641v2》 论文的两个特点： 引入了人脸关键点信息； 引入了人脸的三维信息。 骨干网络：ResNet-152 1. 结构图如下： 它使用了骨干网络中残差阶...
2019CVPR 人脸相关论文
xiong_hany的博客
06-18 6759
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； ...
3D重建---深度图，网格，体素，点云
redredblue的博客
03-28 8663
https://www.cnblogs.com/lainey/p/8547056.html 网格(维基百科) 多边形网格（Polygon mesh）是三维计算机图形学中表示多面体形状的顶点与多边形的集合，它也叫作非结构网格。 这些网格通常由三角形、四边形或者其它的简单凸多边形组成，这样可以简化渲染过程。但是，网格也可以包括带有空洞的普通多边形组成的物体。 非结构网格内部表示的例子有：...
深度学习自学（二十七）：人脸论文分类汇总
TheDayIn_CSDN的博客
12-25 5729
face detection Group Sampling for Scale Invariant Face DetectionCVPR 2019 DSFD: Dual Shot Face DetectorCVPR 2019 FA-RPN: Floating Region Proposals for Face DetectionCVPR 2019 Joint Face Detecti...
【今日CV 计算机视觉论文速览 第97期】Tue, 9 Apr 2019
TomRen
04-10 5420
第97期 视觉论文速览 超分辨 点云 mask 无锚detection 核方法KNN 表面法向量估计 视觉语言数据集 重识别数据集
人脸重建相关文章(转载)
qq_40813321的博客
07-14 501
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
人脸重建汇报1
HR_Reborn的博客
10-09 702
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...
点云的无序性_PointConv: 3D点云卷积 （CVPR 2019）
最新发布
06-06
好的，关于点云的无序性和PointConv卷积，我可以为你解答。 点云数据是一种非常常见的三维数据表示形式，它通常由大量的三维坐标点构成。然而，与传统的图像数据不同，点云数据的点之间没有固定的像素位置关系，因此点云数据通常被认为是无序的。 在深度学习中，卷积神经网络（CNN）是一种非常有效的模型结构，但是CNN最初是为处理图像数据而设计的，无法直接应用于点云数据。因此，研究者们提出了一些针对点云数据的卷积算法，比如PointNet和PointCNN等。 而PointConv是一种新的点云卷积方法，它是在2019年的CVPR会议上提出的。PointConv的核心思想是利用点云数据的局部结构，将点云数据划分为不同的局部区域，然后在每个局部区域上进行卷积计算。与此同时，PointConv还考虑了点云数据的无序性，采用了一种特殊的排序方式来保证每个点的卷积结果与其邻居点的卷积结果是相同的。 总的来说，PointConv是一种非常有效的点云卷积方法，它不仅考虑了点云数据的无序性，而且在保持卷积计算精度的同时，大大降低了计算复杂度。
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