![](https://img-blog.csdnimg.cn/20201014180756913.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
人脸重演
文章平均质量分 91
胖胖腐乳
来自广东广州的一枚程序猿,在做方向为计算机视觉人像美颜、虚拟数字人。
展开
-
Deep Video Portraits解读
我们方法通过迁移源参与者的头部姿势,面部表情和眼睛动作来提供对目标参与者头部的完全控制,同时保留目标的身份和外观。首先,使用SOT的单目人脸重构方法(使用参数化人脸和照明模型)跟踪源和目标参与者,由此得到低的维参数向量序列,表示每个视频帧中参与者的身份,头部姿势,表情,视线和场景照明。合成和编辑视频肖像(即构成人的头部和上半身的视频)是计算机图形学中的一个重要问题,在视频编辑和电影后期制作,虚拟现实和远程呈现等方面有许多的应用。提出了一个可以将粗糙的面部模型转换到真实的人脸视频输出的网络。转载 2023-09-11 10:43:11 · 217 阅读 · 0 评论 -
达摩院CVPR2023人脸重建论文HRN解读——REALY榜单冠军模型
受限于 3DMM 的低维表征,大多数基于 3DMM 的人脸重建方法无法恢复高频面部细节,如皱纹、酒窝等。一些方法尝试引入细节贴图或非线性操作,结果仍然不理想。为此,我们在本文中提出了一种新颖的层次化表征网络 (HRN),以实现单图的高精细人脸重建。具体来说,我们对人脸几何细节进行了解耦并引入了层次表征来实现精细的人脸建模。同时,结合面部细节的3D先验,提高重建结果的准确性和真实性。我们还提出了一个de-retouching模块,以实现更好的几何和纹理解耦。转载 2023-08-29 14:47:23 · 698 阅读 · 0 评论 -
StyleAvatar: Real-time Photo-realistic Portrait Avatar from a Single Video 译文
人脸再现方法试图尽可能真实地恢复和再现人脸特征视频。现有的方法面临着质量与可控性的两难境地:与3D方法相比,基于2D GAN的方法实现了更高的图像质量,但在面部属性的细粒度控制方面受到影响。在本文中,我们提出了StyleAvatar,一种使用基于StyleGAN的网络的实时照片真实感人像头像重建方法,它可以生成具有忠实表情控制的高保真人像头像。我们通过引入组合表示和滑动窗口增强方法来扩展StyleGAN的功能,这使得能够更快地收敛并提高翻译泛化能力。翻译 2023-05-15 13:54:01 · 1411 阅读 · 0 评论 -
Face2Face: Real-time Face Capture and Reenactment of RGB Videos (CVPR 2016) 译文
我们提出了一种用于单目目标视频序列(例如Youtube视频)的实时面部再现的新方法。源序列也是单目视频流,用商品网络摄像头实时捕获。我们的目标是通过源演员将目标视频的面部表情动画化,并以逼真的方式重新渲染被操纵的输出视频。为此,我们首先通过基于非刚性模型的捆绑解决了从单目视频中恢复面部身份的约束不足问题。在运行时,我们使用密集的光度一致性测量来跟踪源视频和目标视频的面部表情。然后通过在源和目标之间快速有效的变形传递来实现再现。从目标序列中检索与重新定位表达最匹配的口腔内部,并扭曲以产生准确的匹配。原创 2023-08-28 10:54:19 · 508 阅读 · 0 评论