論文の概要: Reconstructing Recognizable 3D Face Shapes based on 3D Morphable Models
- arxiv url: http://arxiv.org/abs/2104.03515v1
- Date: Thu, 8 Apr 2021 05:11:48 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-09 23:42:45.123360
- Title: Reconstructing Recognizable 3D Face Shapes based on 3D Morphable Models
- Title（参考訳）: 3次元形状モデルに基づく認識可能な3次元顔形状の再構成
- Authors: Diqiong Jiang, Yiwei Jin, Risheng Deng, Ruofeng Tong, Fanglue Zhang,
Yukun Yai, Ming Tang
- Abstract要約: 本稿では,形状パラメータと形状幾何学領域の識別性を高めることを目的とした,形状パラメータに対する新しい形状認識正規化(SIR)損失を提案する。
提案手法は, 形状パラメータの再構成誤差, 視覚的識別性, 顔認識精度の観点から, 既存の手法と比較する。
- 参考スコア（独自算出の注目度）: 20.381926248856452
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Many recent works have reconstructed distinctive 3D face shapes by
aggregating shape parameters of the same identity and separating those of
different people based on parametric models (e.g., 3D morphable models
(3DMMs)). However, despite the high accuracy in the face recognition task using
these shape parameters, the visual discrimination of face shapes reconstructed
from those parameters is unsatisfactory. The following research question has
not been answered in previous works: Do discriminative shape parameters
guarantee visual discrimination in represented 3D face shapes? This paper
analyzes the relationship between shape parameters and reconstructed shape
geometry and proposes a novel shape identity-aware regularization(SIR) loss for
shape parameters, aiming at increasing discriminability in both the shape
parameter and shape geometry domains. Moreover, to cope with the lack of
training data containing both landmark and identity annotations, we propose a
network structure and an associated training strategy to leverage mixed data
containing either identity or landmark labels. We compare our method with
existing methods in terms of the reconstruction error, visual
distinguishability, and face recognition accuracy of the shape parameters.
Experimental results show that our method outperforms the state-of-the-art
methods.
- Abstract（参考訳）: 最近の多くの作品は、同一人物の形状パラメータを集約し、パラメトリックモデル(例えば3dmm)に基づいて異なる人物の形状を分離することで、特徴的な3d顔形状を再構成している。
しかし,これらの形状パラメータを用いた顔認識作業の精度が高いにもかかわらず,これらのパラメータから再構成した顔形状の視覚的識別は不十分である。
識別形状パラメータは、表現された3d顔形状における視覚的な識別を保証するか?
本稿では, 形状パラメータと形状形状の再構成の関係を解析し, 形状パラメータと形状幾何学領域の識別性を高めることを目的とした, 形状パラメータに対する新しい形状識別正則化(SIR)損失を提案する。
さらに、ランドマークとアイデンティティアノテーションの両方を含むトレーニングデータの欠如に対処するために、アイデンティティとランドマークのラベルを含む混合データを活用するためのネットワーク構造と関連するトレーニング戦略を提案する。
提案手法は, 形状パラメータの再構成誤差, 視覚的識別性, 顔認識精度の観点から, 既存の手法と比較する。
実験の結果,本手法は最先端手法よりも優れていた。
関連論文リスト
- Multi-View Reconstruction using Signed Ray Distance Functions (SRDF) [22.75986869918975]
本稿では,体積の新たな形状表現に基づく新しい計算手法について検討する。
この表現に関連する形状エネルギーは、与えられたカラー画像の3次元形状を評価し、外観予測を必要としない。
実際には、カメラ線に沿った深さによってパラメータ化される符号付き距離に基づいて、暗黙の形状表現であるSRDFを提案する。
論文 参考訳（メタデータ） (2022-08-31T19:32:17Z) - 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) - Implicit Neural Deformation for Multi-View Face Reconstruction [43.88676778013593]
マルチビューRGB画像から新しい3次元顔再構成法を提案する。
従来の3次元形態素モデルに基づく手法とは異なり,本手法は暗黙の表現を利用してリッチな幾何学的特徴を符号化する。
いくつかのベンチマークデータセットに対する実験結果から,提案手法は代替ベースラインよりも優れ,最先端の手法に比べて優れた顔再構成結果が得られることが示された。
論文 参考訳（メタデータ） (2021-12-05T07:02:53Z) - Sphere Face Model:A 3D Morphable Model with Hypersphere Manifold Latent
Space [14.597212159819403]
形状の忠実度とアイデンティティの整合性を両立できる単眼顔再構成のための新しい3DMMを提案する。
SFMのコアは3次元顔形状の再構成に使用できる基底行列である。
忠実な顔の形状を生成し、その形状は単眼の顔の復元において挑戦的な条件で一致している。
論文 参考訳（メタデータ） (2021-12-04T04:28:53Z) - 3D Shape Variational Autoencoder Latent Disentanglement via Mini-Batch
Feature Swapping for Bodies and Faces [12.114711258010367]
本稿では,3次元形状変化型オートエンコーダを訓練する自己教師型アプローチを提案する。
3Dメッシュで行った実験結果から,潜伏不整合に対する最先端の手法では顔と身体の同一性を取り除けないことが明らかとなった。
論文 参考訳（メタデータ） (2021-11-24T11:53:33Z) - Learning Canonical 3D Object Representation for Fine-Grained Recognition [77.33501114409036]
本研究では,1枚の画像から3次元空間における物体の変動を再現する微粒な物体認識のための新しいフレームワークを提案する。
我々は,物体を3次元形状とその外観の合成として表現し,カメラ視点の影響を排除した。
深部表現に3次元形状と外観を併用することにより,物体の識別表現を学習する。
論文 参考訳（メタデータ） (2021-08-10T12:19:34Z) - Learning to Aggregate and Personalize 3D Face from In-the-Wild Photo
Collection [65.92058628082322]
非パラメトリックフェースモデリングは形状仮定なしで画像からのみ3次元フェースを再構成することを目的としている。
本稿では,教師なしのロバストな3次元顔モデリングのための学習・アグリゲート・パーソナライズ・フレームワークを提案する。
論文 参考訳（メタデータ） (2021-06-15T03:10:17Z) - From Points to Multi-Object 3D Reconstruction [71.17445805257196]
単一のRGB画像から複数の3Dオブジェクトを検出し再構成する方法を提案する。
キーポイント検出器は、オブジェクトを中心点としてローカライズし、9-DoF境界ボックスや3D形状を含む全てのオブジェクト特性を直接予測する。
提示されたアプローチは、軽量な再構築を単一ステージで実行し、リアルタイム能力を持ち、完全に微分可能で、エンドツーエンドのトレーナーブルである。
論文 参考訳（メタデータ） (2020-12-21T18:52:21Z) - 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) - Pix2Surf: Learning Parametric 3D Surface Models of Objects from Images [64.53227129573293]
1つ以上の視点から見れば、新しいオブジェクトの3次元パラメトリック表面表現を学習する際の課題について検討する。
ビュー間で一貫した高品質なパラメトリックな3次元表面を生成できるニューラルネットワークを設計する。
提案手法は,共通対象カテゴリからの形状の公開データセットに基づいて,教師と訓練を行う。
論文 参考訳（メタデータ） (2020-08-18T06:33:40Z)
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。