三维人脸重建效果——《Accurate 3D Face Reconstruction with Weakly-Supervised Learning》

最新推荐文章于 2025-10-22 14:36:36 发布
原创 最新推荐文章于 2025-10-22 14:36:36 发布 · 2.3k 阅读 · 3 ·
CC 4.0 BY-SA版权
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。
文章标签：

#三维人脸重建

本文探讨了将3D模型投影到2D图像的光栅化过程，分享了自行编写的代码实现，并展示了多个测试结果。该研究基于文献中的弱监督方法，通过对生成图像与原图的对比，验证了光栅化算法的有效性。

文献中的弱监督是基于生成图像与原图进行一系列比较得出的，可是3维模型投影到二维图像的这部分代码，原文没有给出，自己写了这部分代码，也就是论文中提到的光栅化(Rasterization)。

下面是一系列测试结果，测试图片都是百度找的，如果有侵犯到你的肖像权，请息怒。

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

三维重建效果图
kangjielearning的博客
11-08 976
联系方式：936874728 微信公众号：
Accurate 3D Face Reconstruction with Weakly-Supervised Learning: From Single Image to Image Set
qq_46144849的博客
03-08 467
基于深度学习的三维人脸重建效果相比传统方法要更加好，但是面临正确标识数据集难以获取的问题。本文在单张人脸重建方法上提出使用弱监督方法，损失函数则创新地同时考虑了低层信息和感知层信息。
《Accurate 3D Face Reconstruction with Weakly-Supervised Learning: From Single Image to Image Set》
Yannie's Blog
07-15 1930
论文+代码阅读 摘要 问题：具有真实地面数据的3D人脸模型是很罕见的 提出的方法：1）对一个弱监督学习使用一个混合鲁棒的损失函数来训练，综合考虑了low-level & perception-level 。2）使用多张图片进行重建 结果：对遮蔽和大姿态具有鲁棒性 / 在三个数据集上进行测试，并且比较了十五个深度学习的方法，都具有优越性。 preliminaries：Models and Outputs 3DMM模型 * 使用 CNN来回归3DMM模型的参数，使用Res-Net来回归pose,li
[CVPR2019](D3DFR)Accurate 3D Face Reconstruction with Weakly-Supervised Learning From Single Image
wrk226的博客
01-24 1350
亮点：主要是提出了通过同一人多张图来生成更精细的人脸3D模型的方案，主要框架是基于3DMM的。 Lambertian surface-朗伯面：即入射光会向所有方向均匀反射，也即漫反射的期望状态spherical harmonic lighting-球谐光照：就是用来模拟光照的一个方案。类似于傅里叶变换，将一个复杂的函数分解为多个正交的基底函数，通过计算他们的系数来获得最终的结果。主要目的是为了快速模拟复杂的实时光照。monochromatic lights-单色光：即单一频率的光，无法发生色散。对应的是复
【论文精读】【CVPRW-2019】《Accurate 3D Face Reconstruction with Weakly-Supervised Learning..》
最新发布
yangyu0515的博客
10-22 922
【论文精读】【CVPRW-2019】《Accurate 3D Face Reconstruction with Weakly-Supervised Learning: From Single Image to Image 》
微软三维人脸重建论文总结——《Accurate 3D Face Reconstruction with Weakly-Supervised Learning》
weixin_37340613的博客
07-04 5589
原作：https://arxiv.org/abs/1903.08527 研究机构：微软研究院 写在前面 想象一下，通过二维的人脸图片，生成高度还原的三维人脸模型。真是异想天开，可是人工智能要做的不就是实现那些异想天开的事情吗？再想象一下，这种功能能够运用的场景： 首先由于我从事的是游戏行业，因此很直接的就是能够生成玩家自定义的三维游戏角色。可以是玩家自己，也可以是玩家喜欢的人，只需要你上传一...
[读论文]弱监督学习的精确 3D 人脸重建：从单个图像到图像集-Accurate 3D Face Reconstruction with Weakly-Supervised Learning:From
Redflashing
09-12 1398
论文地址：Accurate 3D Face Reconstruction with Weakly-Supervised Learning:From Single Image to Image Set 1. 摘要 ​ 最近，基于深度学习的 3D 人脸重构方法在质量和效率方面都显示出很好的效果。然而，训练深度卷积神经网络通常需要大量数据，而具有真实三维脸部形状的脸部图像却很少。在本文中，作者提出了一种新颖的深度 3D 人脸重建方法。具有以下优势： 为弱监督学习提供了一个鲁棒的混合损失函数，该函数考虑到了监督的
文献翻译：《弱监督学习实现3D人脸重建：从单张图片到图片集》（Accurate 3D Face Reconstruction with Weakly-Supervised Learning）
weixin_37340613的博客
06-28 2673
目录摘要介绍欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 摘要 最近，基于深度...
Deep3DFaceReconstruction-Pytorch:弱监督学习的精确3D人脸重建
05-17
弱监督学习的精确3D人脸重建：从单个图像到图像集 回购协议Pytorch版本。 此存储库仅包含重建部分，因此您可以使用库来训练网络。 而预训练模式也从这个。 特征 神经网络 我使用mtcnn裁剪原始图像并检测5个地标。 的大多数代码来自 。 pytorc3d 在此，我使用渲染重建的图像。 估计内在参数 在原点回购（ ），则渲染的图像是不一样的，因为输入图像preprocess 。 因此，我添加了estimate_intrinsic以获取内部参数。 例子： 这里有些例子： 原始图片 裁剪图像 渲染图像 文件架构 ├─BFM same as Deep3DFaceReconstruction ├─dataset storing the corpped images │ └─Vladimir_Putin ├─examples
微软三维人脸重建论文前期知识铺垫——《Accurate 3D Face Reconstruction with Weakly-Supervised Learning》
wxshan3的博客
06-24 769
一个3D模型的数据结构是怎么样的？ 首先是一个points_shape,这个shape的形状是shape=（35709，3）。其中35709代表这个模型包括35709个点，3代表的是这些点的三维坐标。有了这个矩阵，我们能够在脑海里想象在空间中有一个密密麻麻的点云，看上去像个人脸，可是这些点都是离散的。 接着就是traingle矩阵，这个矩阵的形状shape=(70789,3)。70789表示这个模型包括70789个三角形面。每个面都由三个顶点组成，后面的3就表示这三个顶点的序号（在points_shap
End-to-end 3D face reconstruction with deep neural networks
qq_31751039的博客
06-27 1329
Abstract  该文不采用利用rgb图和初始化3D面部表情渲染的方式, 是端对端的， 可以避免复杂的3D渲染.我们从两个方面综合DNN，利用多任务损失函数和融合DNN来改善面部表情重构；利用多任务损失函数， 可以将3D人脸重构分为3D人脸重构和3D人脸表情重构两个部分. 由于中性面部形状是类固定的，所以用网络的高层特征表示，而面部表情用低层或中层网络层特征表示。Method  用一系列的形状和...
基于正侧面人脸照片的三维人脸重建
09-23
介绍了目前主要的几种利用立体视觉技术进行三位人脸重建的方法，将几种方法进行比较分析，选出了本文使用的三位人脸重建的方案，并对于利用特征点重建人脸给出了具体的思路和算法。
深度人脸识别算法串讲
爱CV
12-24 603
论文背景 论文题目：Deep Face Recognition: A Survey 论文地址：https://arxiv.org/abs/1804.06655 论文代码：综述文章，无代码 分享大纲 1.人脸识别基本概念 主要场景、评价指标、系统基本流程及发展历史 2.代表性文章串讲 DeepFace、FaceNet、CenterLoss 3. 如何搭建一个人脸识别系统 人脸识别基本概念 两个主要场景：人脸验证/人脸比对，人脸识别 评价指标：Acc..
CVPR 2023 | 达摩院REALY头部重建榜单冠军模型HRN解读
孙佰贵的专栏
04-19 5741
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头部重建。 具体来说，我们对头部几何细节进行了解耦并引入了层次表征来实现精细的头部建模。 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。
Deep3DFaceReconstruction让一张人脸照片变成三维的真人脸
热门推荐
二分掌柜的
12-10 1万+
AI模型让一张人脸照片变成三维的真人脸 flyfish 曾经是需要这样的，头上戴设备的，现在用AI可以省点麻烦。 实例1 论文Accurate 3D Face Reconstruction with Weakly-Supervised Learning: From Single Image to Image Set TensorFlow版本源码 PyTorch版本源码 推荐点击这里下载源码和模型，原网址不带模型的，本文已经提供好了源码和模型的下载地址，这里是PyTorch版本. 链接：https://p
reconsstruction3Dface，实现从2D图像重建3D人脸
Exploer_TRY的博客
01-14 3693
重建3D人脸 来自于论文 Y. Deng, J. Yang, S. Xu, D. Chen, Y. Jia, and X. Tong, Accurate 3D Face Reconstruction with Weakly-Supervised Learning: From Single Image to Image Set, IEEE Computer Vision and Pattern Recognition Workshop (CVPRW) on Analysis and Modeling of
3d 人脸重建论文解读
lyyiangang的博客
05-30 1897
Accurate 3D Face Reconstruction with Weakly-Supervised Learning:From Single Image to Image Set 解读 最近看到一篇<<Accurate 3D Face Reconstruction with Weakly-Supervised Learning:From Single Image to Image Set>>很不错的3d face重建文章，做个简单笔记。 这篇文章通过弱监督学习来实现人脸重建
人脸论文解读系列——三维人脸重建（一）
CWBARSA的专栏
04-06 6416
基于区域最佳匹配融合的三维人脸重建 《3D Face Reconstruction with Region Based Best Fit Blending Using Mobile Phone for Virtual Reality Based Social Media》 文章来源：researchgate 文章链接：https://arxiv.org/pdf/1801.01089.pdf ...
Accurate 3D Face Reconstruction from a Single Image: A Holistic Approach主要内容
07-15
《Accurate 3D Face Reconstruction from a Single Image: A Holistic Approach》这篇论文的主要内容是介绍了一种基于单个图像的准确三维人脸重建方法，其采用了一种全面的方法来捕捉人脸的几何形状和纹理信息。...
评论 12
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
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