【ECCV2016论文速读】回归框架下的人脸对齐和三维重建

本文介绍了ECCV2016会议上发表的工作,该工作结合二维人脸特征点检测与三维人脸重建,提出了一种在回归框架下同时解决这两个任务的方法。通过2D特征点与3D人脸形状的回归关系,解决了传统方法中的人脸对齐和三维重建问题,尤其在处理大姿态和自遮挡情况时表现出优势。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

本文来源微信公众号:深度学习大讲堂,已授权发布。
作者:刘峰,四川大学计算机学院生物特征识别实验室博士三年级学生,导师游志胜教授、赵启军博士。研究方向为机器学习与模式识别(三维人脸建模与识别、二维人脸特征点检测等)。
原文:【ECCV2016论文速读】回归框架下的人脸对齐和三维重建
欢迎技术投稿、约稿、给文章纠错,请发送邮件至heyc@youkuaiyun.com

图片描述

输入二维头像

图片描述

三维重构结果

三维人脸重建的目标是根据某个人的一张或者多张二维人脸图像重建出其三维人脸模型(此处的三维人脸模型一般仅指形状模型,定义为三维点云)。今天我们只讨论由单张二维图像重建三维人脸的问题。这个问题本身其实是个病态(ill-posed)问题,因为在将人脸从三维空间投影到二维平面上形成我们看到的二维人脸图像的过程中,人脸的绝对尺寸(如鼻子高度)、以及由于自遮挡而不可见的部分等很多信息已经丢失。在不掌握相机和拍摄环境的相关参数的情况下,这个问题其实是没有确定解的。

为了解决这一病态问题,一个直接思路是借助机器视觉中的Shape-from-Shading(SFS)方法。但是该方法依赖于光照条件和光照模型的先验知识,而未考虑人脸结构的特殊性,在任意拍摄的人脸图像上效

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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