論文の概要: Skull-to-Face: Anatomy-Guided 3D Facial Reconstruction and Editing
- arxiv url: http://arxiv.org/abs/2403.16207v2
- Date: Sun, 22 Dec 2024 04:04:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-24 15:54:52.176896
- 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: 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難しい課題である。
本稿では,エンドツーエンドの3次元顔再構成パイプラインと探索手法を提案する。
実際の頭蓋顔面データセットを用いて実験を行い,提案したパイプラインの有効性を実証した。
- 参考スコア(独自算出の注目度): 34.39385635485985
- License:
- Abstract: Deducing the 3D face from a skull is a challenging task in forensic science and archaeology. This paper proposes an end-to-end 3D face reconstruction pipeline and an exploration method that can conveniently create textured, realistic faces that match the given skull. To this end, we propose a tissue-guided face creation and adaptation scheme. With the help of the state-of-the-art text-to-image diffusion model and parametric face model, we first generate an initial reference 3D face, whose biological profile aligns with the given skull. Then, with the help of tissue thickness distribution, we modify these initial faces to match the skull through a latent optimization process. The joint distribution of tissue thickness is learned on a set of skull landmarks using a collection of scanned skull-face pairs. We also develop an efficient face adaptation tool to allow users to interactively adjust tissue thickness either globally or at local regions to explore different plausible faces. Experiments conducted on a real skull-face dataset demonstrated the effectiveness of our proposed pipeline in terms of reconstruction accuracy, diversity, and stability. Our project page is https://xmlyqing00.github.io/skull-to-face-page.
- 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難しい課題である。
本稿では, 両端から端までの3次元顔再構成パイプラインと, 頭蓋骨にマッチするテクスチャ化されたリアルな顔を生成するための探索手法を提案する。
そこで本研究では,組織誘導型顔形成・適応方式を提案する。
最先端のテキスト・画像拡散モデルとパラメトリック・フェイスモデルを用いて、生体プロファイルが与えられた頭蓋骨と一致した最初の3次元顔を生成する。
そして、組織厚分布の助けを借りて、潜伏した最適化プロセスを通じて頭蓋骨と一致するように初期顔を変化させる。
組織厚の関節分布は、スキャンされた頭蓋骨と顔のペアの集合体を用いて、頭蓋骨のランドマークのセットで学習される。
また, 組織厚を世界, 地域を問わずインタラクティブに調整し, 異なる可塑性面を探索する, 効率的な顔適応ツールも開発している。
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。
私たちのプロジェクトページはhttps://xmlyqing00.github.io/skull-to-face-pageです。
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。