論文の概要: Survey on 3D face reconstruction from uncalibrated images
- arxiv url: http://arxiv.org/abs/2011.05740v2
- Date: Fri, 26 Feb 2021 08:32:32 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-27 00:15:21.414571
- Title: Survey on 3D face reconstruction from uncalibrated images
- Title（参考訳）: 非校正画像からの3次元顔復元に関する調査
- Authors: Araceli Morales, Gemma Piella and Federico M. Sukno
- Abstract要約: 顔の正確な表現を提供するにもかかわらず、3Dの顔画像は2D画像よりも複雑である。
3次元から2次元の顔の復元問題は誤りであり、解空間を制限するためには事前の知識が必要である。
本研究では,過去10年間に提案されてきた3次元顔の再構成手法について,制御不能な条件下で撮影された2次元画像のみを使用するものに着目した。
- 参考スコア（独自算出の注目度）: 3.004265855622696
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Recently, a lot of attention has been focused on the incorporation of 3D data
into face analysis and its applications. Despite providing a more accurate
representation of the face, 3D facial images are more complex to acquire than
2D pictures. As a consequence, great effort has been invested in developing
systems that reconstruct 3D faces from an uncalibrated 2D image. However, the
3D-from-2D face reconstruction problem is ill-posed, thus prior knowledge is
needed to restrict the solutions space. In this work, we review 3D face
reconstruction methods proposed in the last decade, focusing on those that only
use 2D pictures captured under uncontrolled conditions. We present a
classification of the proposed methods based on the technique used to add prior
knowledge, considering three main strategies, namely, statistical model
fitting, photometry, and deep learning, and reviewing each of them separately.
In addition, given the relevance of statistical 3D facial models as prior
knowledge, we explain the construction procedure and provide a list of the most
popular publicly available 3D facial models. After the exhaustive study of
3D-from-2D face reconstruction approaches, we observe that the deep learning
strategy is rapidly growing since the last few years, becoming the standard
choice in replacement of the widespread statistical model fitting. Unlike the
other two strategies, photometry-based methods have decreased in number due to
the need for strong underlying assumptions that limit the quality of their
reconstructions compared to statistical model fitting and deep learning
methods. The review also identifies current challenges and suggests avenues for
future research.
- Abstract（参考訳）: 近年,顔分析への3Dデータの取り込みとその応用に注目が集まっている。
顔の正確な表現を提供するにもかかわらず、3Dの顔画像は2D画像よりも複雑である。
その結果、3D画像から3D画像を再構成するシステムの開発に多大な努力が払われた。
しかし, 3D-from-2Dの面再構成問題は不備であり, 解空間を制限するためには事前知識が必要である。
本研究では,過去10年間に提案されてきた3次元顔の再構成手法について,制御不能な条件下で撮影された2次元画像のみを使用するものに着目した。
本稿では,先行知識を付加するために用いられる手法,すなわち統計モデル適合,測光,深層学習の3つの主要な戦略を考察し,それぞれを個別に検討する手法の分類について述べる。
また,統計的3d顔モデルの事前知識の妥当性を考慮し,構築手順を説明し,最も普及している3d顔モデルのリストを提供する。
3D-from 2Dの顔再構成手法を徹底的に研究した結果,近年の深層学習戦略は急速に成長しており,広く普及している統計モデルフィッティングの代替として標準的選択肢となっている。
他の2つの戦略とは異なり、統計モデル適合法や深層学習法と比較して、再構成の質を制限する強い前提条件の必要性から、光度測定に基づく手法は減少している。
このレビューは現在の課題を特定し、今後の研究の道筋を提案する。
関連論文リスト
- State of the Art in Dense Monocular Non-Rigid 3D Reconstruction [100.9586977875698]
モノクル2D画像から変形可能なシーン(または非剛体)の3D再構成は、コンピュータビジョンとグラフィックスの長年、活発に研究されてきた領域である。
本研究は,モノクラー映像やモノクラービューの集合から,様々な変形可能な物体や複合シーンを高密度に非剛性で再現するための最先端の手法に焦点を当てる。
論文 参考訳（メタデータ） (2022-10-27T17:59:53Z) - 3D Magic Mirror: Clothing Reconstruction from a Single Image via a
Causal Perspective [96.65476492200648]
本研究は, 自己監督型3D衣料の再構築手法について検討することを目的とする。
1枚の2D画像から人間の衣服の形状やテクスチャを復元する。
論文 参考訳（メタデータ） (2022-04-27T17:46:55Z) - Realistic face animation generation from videos [2.398608007786179]
3次元顔の再構成と顔のアライメントは、コンピュータビジョンにおける2つの基本的かつ高機能なトピックである。
近年,深層学習モデルを用いて3dmm係数を推定して3d顔形状を再構成する研究が始まっている。
この問題に対処するために、3DMM係数の計算を完全に回避できるエンドツーエンド手法を提案する。
論文 参考訳（メタデータ） (2021-03-27T20:18:14Z) - Model-based 3D Hand Reconstruction via Self-Supervised Learning [72.0817813032385]
シングルビューのRGB画像から3Dハンドを再構成することは、様々な手構成と深さのあいまいさのために困難である。
ポーズ, 形状, テクスチャ, カメラ視点を共同で推定できる, 自己教師型3Dハンド再構成ネットワークであるS2HANDを提案する。
初めて手動アノテーションを使わずに、正確な3D手の再構築ネットワークを訓練できることを実証しました。
論文 参考訳（メタデータ） (2021-03-22T10:12:43Z) - Reconstructing A Large Scale 3D Face Dataset for Deep 3D Face
Identification [9.159921061636695]
本稿では,2次元支援型深部3次元顔認証の枠組みを提案する。
特に,大規模な2次元顔データベースから数百万の3次元顔スキャンを再構築することを提案する。
提案手法はFRGC v2.0, Bosphorus, BU-3DFEの3次元顔データベース上で, 最先端のランク1スコアを実現する。
論文 参考訳（メタデータ） (2020-10-16T13:48:38Z) - Learning 3D Face Reconstruction with a Pose Guidance Network [49.13404714366933]
ポーズ誘導ネットワーク(PGN)を用いた単眼3次元顔再構成学習のための自己指導型学習手法を提案する。
まず,従来のパラメトリックな3次元顔の学習手法におけるポーズ推定のボトルネックを明らかにし,ポーズパラメータの推定に3次元顔のランドマークを活用することを提案する。
我々のデザインしたPGNでは、完全にラベル付けされた3Dランドマークと無制限にラベル付けされた未使用の顔画像で両方の顔から学習できる。
論文 参考訳（メタデータ） (2020-10-09T06:11:17Z) - Learning Complete 3D Morphable Face Models from Images and Videos [88.34033810328201]
本稿では,画像やビデオから顔形状,アルベド,表現の完全な3次元モデルを学ぶための最初のアプローチを提案する。
既存の手法よりも,学習モデルの方がより一般化し,高品質な画像ベース再構築につながることを示す。
論文 参考訳（メタデータ） (2020-10-04T20:51:23Z) - Neural Descent for Visual 3D Human Pose and Shape [67.01050349629053]
入力RGB画像から3次元のポーズと形状を復元するディープニューラルネットワーク手法を提案する。
我々は最近導入された表現力のあるボディ統計モデルGHUMに頼っている。
我々の方法論の中心は、HUmanNeural Descent (HUND)と呼ばれるアプローチの学習と最適化である。
論文 参考訳（メタデータ） (2020-08-16T13:38:41Z) - Self-Supervised Monocular 3D Face Reconstruction by Occlusion-Aware
Multi-view Geometry Consistency [40.56510679634943]
マルチビュー幾何整合性を利用した自己教師付きトレーニングアーキテクチャを提案する。
画素の整合性損失,奥行きの整合性損失,顔のランドマークに基づくエピポーラロスを含む,多視点整合性のための3つの新しい損失関数を設計する。
提案手法は精度が高く,特に多彩な表現,ポーズ,照明条件下では堅牢である。
論文 参考訳（メタデータ） (2020-07-24T12:36:09Z) - Adaptive 3D Face Reconstruction from a Single Image [45.736818498242016]
1枚の画像から3次元の顔形状を適応的に再構成する新しい関節2Dと3Dの最適化法を提案する。
複数のデータセットに対する実験結果から,本手法は1枚のカラー画像から高品質な再構成を実現できることが示された。
論文 参考訳（メタデータ） (2020-07-08T09:35:26Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。