- 博客(3)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 三 、GANFIT: Generative Adversarial Network Fitting for High Fidelity 3D Face Reconstruction
这篇论文的主要贡献是提出了一种基于生成对抗网络（GAN）的方法，用于实现高保真度的三维人脸重建，先，该方法使用了一个基于大规模人脸数据集的统计模型，也就是三维形变模型（3DMM），用于描述人脸的形状和纹理信息。然后，为了从二维图像中重建三维人脸，论文提出了一种基于生成对抗网络的方法，即GANFIT。这种方法利用了GAN的对抗性训练机制，将一个生成器网络和一个判别器网络进行训练，从而使得生成器网络可以从二维图像中生成高质量的三维人脸模型。
2023-04-16 21:34:16
413
2
原创 二、Face Alignment in Full Pose Range: A 3D Total Solution（3DDFA）
这篇论文主要提出了一个基于3D模型的人脸对齐方法，用于将2D图像中的人脸对齐到3D模型上。具体而言，该方法包括了两个关键步骤：首先通过三角化将2D人脸图像映射到3D人脸模型上，然后通过微调锚点的位置，使得3D模型更加贴近原始的2D图像，并能够保持人脸的一些结构特征和轮廓不变，以提高识别和捕捉的准确性。
2023-04-13 10:43:41
827
原创 一、 Nonlinear 3D Face Morphable Model
我们所处的三维空间，每一点(x,y,z)，实际上都是由三维空间三个方向的基量，(1,0,0)，(0,1,0)，(0,0,1)加权相加所得，只是权重分别为x,y,z。每一个三维的人脸，可以由一个数据库中的所有人脸组成的基向量空间中进行表示，而求解任意三维人脸的模型，实际上等价于求解各个基向量的系数的问题。，以及外部渲染参数，包括相机的位置，图像平面的旋转角度，直射光和环境光的各个分量，图像对比度等共20多维，在初始参数的控制下，经过3D至2D的投影，即可由一个3D模型得到2维图像，然后计算与输入图像的误差。
2023-04-12 09:48:52
184
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人