人脸三维重建调研
目标
根据某人一张或多张二维人脸图像重建出三维人脸模型(这里主要讨论单张)。
人脸三维重建发展概述
三维人脸重建主要有两种思路:model-based和model-free。
model-based以[A Morphable Model For The Synthesis Of 3D Faces,1999](A Morphable Model For The Synthesis Of 3D Faces)为基准,旨在训练相对于平均人脸的参数,通过参数来改变平均脸,从而生成新的三维模型。在CNN被广泛应用之前主要使用非线性优化来拟合参数,这类研究很多。这类方法主要依赖训练集的人脸数据,不同人种的识别效果影响很大,对新的数据容错率尚待考虑。[详写]
model-free是通过神经网络,通过二维图像特征点计算回归三维人脸坐标,这类方法是现在主流方法,但是一定程度上丢失了人脸自身的性质。二维图像特征点一般通过人脸对齐的方法实现,人脸对齐也是主要通过CNN来实现。
自从ResNet在15年被提出后,很多网络都通过ResNet的思想来加快训练和模型效果。
3月底的人脸三维重建想法
3月底人脸重建模型精度高,面片数越高效果越好。
主要有两种方案:
方案一:项目通过回归UV为位置坐标,以及加权损失函数,实现了18年s