Fugu-MT 論文翻訳(概要): Realistic face animation generation from videos

論文の概要: Realistic face animation generation from videos

arxiv url: http://arxiv.org/abs/2103.14984v1
Date: Sat, 27 Mar 2021 20:18:14 GMT
ステータス: 処理完了
システム内更新日: 2021-04-01 10:06:22.817918
Title: Realistic face animation generation from videos
Title（参考訳）: ビデオからのリアルな顔アニメーション生成
Authors: Zihao Jian, Minshan Xie
Abstract要約: 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。
参考スコア（独自算出の注目度）: 2.398608007786179
License: http://creativecommons.org/publicdomain/zero/1.0/
Abstract: 3D face reconstruction and face alignment are two fundamental and highly related topics in computer vision. Recently, some works start to use deep learning models to estimate the 3DMM coefficients to reconstruct 3D face geometry. However, the performance is restricted due to the limitation of the pre-defined face templates. To address this problem, some end-to-end methods, which can completely bypass the calculation of 3DMM coefficients, are proposed and attract much attention. In this report, we introduce and analyse three state-of-the-art methods in 3D face reconstruction and face alignment. Some potential improvement on PRN are proposed to further enhance its accuracy and speed.
Abstract（参考訳）: 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。しかし、事前に定義された顔テンプレートの制限により、パフォーマンスが制限される。この問題に対処するために,3次元MM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し,多くの注目を集めている。本稿では,3次元顔再構成と顔アライメントの3つの最先端手法を紹介し,解析する。 PRNの潜在的な改善は、その精度と速度をさらに向上するために提案されている。

関連論文リスト

FaceGPT: Self-supervised Learning to Chat about 3D Human Faces [69.4651241319356]
我々は、画像やテキストから3次元の人間の顔を推論するために、VLM(Large Vision-Language Models)のための自己教師型学習フレームワークFaceGPTを紹介した。 FaceGPTは、VLMのトークン空間に3Dフォーマブルフェイスモデルのパラメータ(3DMM)を埋め込むことで、この制限を克服する。我々は,FaceGPTが高品質な3次元顔再構成を実現し,汎用的な視覚指導の能力を維持していることを示す。
論文参考訳（メタデータ） (2024-06-11T11:13:29Z)
A Large-Scale 3D Face Mesh Video Dataset via Neural Re-parameterized Optimization [17.938604013181426]
ビデオ上での3次元顔メッシュ擬似アノテーションであるNeuFaceを提案する。我々は、NeuFace-datasetと呼ばれる大規模なフェイスビデオに、ビュー/フレーム毎の正確で一貫したフェイスメッシュを注釈付けします。データセット内の3次元顔の自然性と多様性を利用して、3次元顔関連タスクにおけるデータセットの有用性を実証する。
論文参考訳（メタデータ） (2023-10-04T23:24:22Z)
A Hierarchical Representation Network for Accurate and Detailed Face Reconstruction from In-The-Wild Images [15.40230841242637]
本稿では,1つの画像から正確な顔再構成を実現するために,新しい階層型表現ネットワーク(HRN)を提案する。我々のフレームワークは、異なるビューの詳細な一貫性を考慮し、マルチビューに拡張することができる。本手法は,再現精度と視覚効果の両方において既存手法より優れる。
論文参考訳（メタデータ） (2023-02-28T09:24:36Z)
Perspective Reconstruction of Human Faces by Joint Mesh and Landmark Regression [89.8129467907451]
本研究では,世界空間の3次元顔メッシュを同時に再構築し,画像平面上の2次元顔のランドマークを予測することを提案する。予測された3Dおよび2Dランドマークに基づいて、6DF (6 Degrees Freedom)フェイスポーズを解決者により容易に推定することができる。
論文参考訳（メタデータ） (2022-08-15T12:32:20Z)
Beyond 3DMM: Learning to Capture High-fidelity 3D Face Shape [77.95154911528365]
3Dモーフィブルモデル(3DMM)の適合性は、その強力な3D先行性のため、顔解析に広く有用である。以前に再建された3次元顔は、微細な形状が失われるため、視差の低下に悩まされていた。本論文は, パーソナライズされた形状が対応する人物と同一に見えるよう, パーソナライズされた形状を捉えるための完全な解を提案する。
論文参考訳（メタデータ） (2022-04-09T03:46:18Z)
Non-Deterministic Face Mask Removal Based On 3D Priors [3.8502825594372703]
提案手法では,マルチタスクの3次元顔再構成モジュールと顔塗装モジュールを統合する。本手法は,3次元形状パラメータを徐々に制御することにより,表情や口の動きの異なる高品質な動的塗装結果を生成する。
論文参考訳（メタデータ） (2022-02-20T16:27:44Z)
SIDER: Single-Image Neural Optimization for Facial Geometric Detail Recovery [54.64663713249079]
SIDERは、教師なしの方法で単一の画像から詳細な顔形状を復元する新しい光度最適化手法である。以前の作業とは対照的に、SIDERはデータセットの事前に依存せず、複数のビュー、照明変更、地上の真実の3D形状から追加の監視を必要としない。
論文参考訳（メタデータ） (2021-08-11T22:34:53Z)
Inverting Generative Adversarial Renderer for Face Reconstruction [58.45125455811038]
本稿では,GAR(Generative Adversa Renderer)について紹介する。 GARは、グラフィックルールに頼るのではなく、複雑な現実世界のイメージをモデル化することを学ぶ。本手法は,複数顔再構成における最先端性能を実現する。
論文参考訳（メタデータ） (2021-05-06T04:16:06Z)
Survey on 3D face reconstruction from uncalibrated images [3.004265855622696]
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。
論文参考訳（メタデータ） (2020-11-11T12:48:11Z)
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)

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。