論文の概要: Skull-to-Face: Anatomy-Guided 3D Facial Reconstruction and Editing

• arxiv url: http://arxiv.org/abs/2403.16207v1
• Date: Sun, 24 Mar 2024 16:03:27 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-26 16:56:25.789919
• Title: Skull-to-Face: Anatomy-Guided 3D Facial Reconstruction and Editing
• Title（参考訳）: Skull-to-Face:解剖学的ガイドによる顔面再建と編集
• Authors: Yongqing Liang, Congyi Zhang, Junli Zhao, Wenping Wang, Xin Li,
• Abstract要約: 本稿では,エンドツーエンドの3次元顔再構成・探索ツールを提案する。 生体プロファイルが与えられた頭蓋骨と一致した初期参照3D顔を生成する。 そして、これらの初期像を頭蓋骨の解剖学的特徴の統計的予測に適合させる。
• 参考スコア（独自算出の注目度）: 34.39385635485985
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Deducing the 3D face from a skull is an essential but challenging task in forensic science and archaeology. Existing methods for automated facial reconstruction yield inaccurate results, suffering from the non-determinative nature of the problem that a skull with a sparse set of tissue depth cannot fully determine the skinned face. Additionally, their texture-less results require further post-processing stages to achieve a photo-realistic appearance. This paper proposes an end-to-end 3D face reconstruction and exploration tool, providing textured 3D faces for reference. With the help of state-of-the-art text-to-image diffusion models and image-based facial reconstruction techniques, we generate an initial reference 3D face, whose biological profile aligns with the given skull. We then adapt these initial faces to meet the statistical expectations of extruded anatomical landmarks on the skull through an optimization process. The joint statistical distribution of tissue depths is learned on a small set of anatomical landmarks on the skull. To support further adjustment, we propose an efficient face adaptation tool to assist users in tuning tissue depths, either globally or at local regions, while observing plausible visual feedback. Experiments conducted on a real skull-face dataset demonstrated the effectiveness of our proposed pipeline in terms of reconstruction accuracy, diversity, and stability.
• Abstract（参考訳）: 頭蓋骨から3D顔を引き出すことは、法科学と考古学において不可欠だが難しい課題である。 組織深度の粗い頭蓋骨が皮膚の顔を完全に決定できないという問題の非決定性に苦しむ既存の顔面再建法では、不正確な結果が得られる。 さらに、テクスチャレスの結果は、フォトリアリスティックな外観を達成するために、さらに後処理の段階を必要とする。 本稿では,3次元顔のテクスチャを基準として,エンドツーエンドの3次元顔再構成・探索ツールを提案する。 最先端のテキスト・画像拡散モデルと画像に基づく顔再構成技術を用いて、生体プロファイルが与えられた頭蓋骨と一致した初期参照3D顔を生成する。 そして、これらの初期顔は、最適化プロセスを通じて頭蓋骨の解剖学的特徴の統計的期待を満たすように適応する。 組織深度の統計的共同分布は、頭蓋骨上の小さな解剖学的ランドマークのセットで学習される。 そこで本稿では,組織深度の調整を支援するために,組織深度を世界あるいは地域,かつ可視的な視覚的フィードバックを観察しながら支援する,効率的な顔適応ツールを提案する。 実際の頭蓋顔面データセットを用いて行った実験は、再建精度、多様性、安定性の観点から、提案したパイプラインの有効性を実証した。

関連論文リスト

• 3D Face Reconstruction With Geometry Details From a Single Color Image Under Occluded Scenes [4.542616945567623]
  3D顔再構成技術は、自然かつ現実的に顔ステレオモデルを作成することを目的としている。 従来のディープ・フェイス・リコンストラクション・アプローチは、一般的に説得力のあるテクスチャを生成するために設計されている。 バンプマッピングを導入することで、3Dの顔を粗くするために中程度の細部を追加しました。
  論文  参考訳（メタデータ） (2024-12-25T15:16:02Z)
• Generative Face Parsing Map Guided 3D Face Reconstruction Under Occluded Scenes [4.542616945567623]
  ランドマークで案内された完全な顔解析マップ生成法を提案する。 優れた隠蔽顔復元法は、出力の真偽を確実にする。
  論文  参考訳（メタデータ） (2024-12-25T14:49:41Z)
• Generating 2D and 3D Master Faces for Dictionary Attacks with a Network-Assisted Latent Space Evolution [68.8204255655161]
  マスターフェイス(英: master face)とは、人口の比率の高い顔認証をパスする顔画像である。 2次元および3次元の顔認証モデルに対して,これらの顔の最適化を行う。 3Dでは,2次元スタイルGAN2ジェネレータを用いて顔を生成し,深部3次元顔再構成ネットワークを用いて3次元構造を予測する。
  論文  参考訳（メタデータ） (2022-11-25T09:15:38Z)
• SCULPTOR: Skeleton-Consistent Face Creation Using a Learned Parametric Generator [42.25745590793068]
  本稿では,SCULPTORとSkeleton Consistencyを併用した3次元顔生成システムについて述べる。 SCULPTORのコアとなるLUCYは、プラスチック外科医とコラボレーションした最初の大規模な形状骨格顔データセットである。
  論文  参考訳（メタデータ） (2022-09-14T05:21:20Z)
• FaceTuneGAN: Face Autoencoder for Convolutional Expression Transfer Using Neural Generative Adversarial Networks [0.7043489166804575]
  顔の識別と表情を分離して符号化する新しい3次元顔モデル表現であるFaceTuneGANを提案する。 本稿では,2次元領域で使用されている画像と画像の変換ネットワークを3次元顔形状に適応させる手法を提案する。
  論文  参考訳（メタデータ） (2021-12-01T14:42:03Z)
• Detailed Avatar Recovery from Single Image [50.82102098057822]
  本稿では,単一画像からエンフデテールアバターを回収するための新しい枠組みを提案する。 階層的メッシュ変形フレームワークでは、ディープニューラルネットワークを使用して3次元形状を洗練しています。 本手法は,皮膚モデルを超えて,完全なテクスチャで詳細な人体形状を復元することができる。
  論文  参考訳（メタデータ） (2021-08-06T03:51:26Z)
• HifiFace: 3D Shape and Semantic Prior Guided High Fidelity Face Swapping [116.1022638063613]
  本研究では,光源面の顔形状を保存し,写真リアルな結果を生成できるHifiFaceを提案する。 本稿では,エンコーダとデコーダの組み合わせを最適化するSemantic Facial Fusionモジュールを提案する。
  論文  参考訳（メタデータ） (2021-06-18T07:39:09Z)
• Fast-GANFIT: Generative Adversarial Network for High Fidelity 3D Face Reconstruction [76.1612334630256]
  我々は、GAN(Generative Adversarial Networks)とDCNN(Deep Convolutional Neural Networks)の力を利用して、単一画像から顔のテクスチャと形状を再構築する。 3次元顔再構成を保存したフォトリアリスティックでアイデンティティに優れた結果を示し, 初めて, 高精度な顔テクスチャ再構成を実現する。
  論文  参考訳（メタデータ） (2021-05-16T16:35:44Z)
• Face Super-Resolution Guided by 3D Facial Priors [92.23902886737832]
  シャープな顔構造を把握した3次元顔先行情報を明示的に組み込んだ新しい顔超解像法を提案する。 我々の研究は、顔属性のパラメトリック記述の融合に基づく3次元形態的知識を初めて探求したものである。 提案した3D先行画像は、最先端技術よりも優れた顔超解像結果が得られる。
  論文  参考訳（メタデータ） (2020-07-18T15:26:07Z)

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。