FaceScape: a Large-Scale High-Quality 3D Face Dataset and Detailed Riggable 3D Face Prediction 本期导读 人脸相关的技术已经深入大众生活的方方面面,从手机应用中的人脸识别和人脸美化,到荧幕上的影视特效和虚拟主播,再到虚拟游戏世界中的三维人物捏脸,三维人脸的解析和重建是其中的关键技术,也是如今计算机视觉和人工智能领域的研究热点。本期分享来自南京大学和百度研究院的合作研究成果,相关成果《FaceScape: a Large-Scale High Quality 3D Face Dataset and Detailed Riggable 3D Face Prediction》 发表于计算机视觉和人工智能领域的顶级会议CVPR 2020。该工作发布了大规模、高精度三维人脸数据库,从数据层面打开人脸重建和解析研究的突破口,同时提出了通过单幅图像预测不同表情下精细三维结构的新方法(请往下看,含诸多动图)。FaceScape数据集已开放申请和下载,后附数据集发布网站和项目主页的链接。 技术背景 该工作采集并发布了大规模、高精度人脸三维数据集FaceScape。相比于已有的公开数据集,FaceScape数据集在模型的几何结构精度、纹理分辨率、外貌和表情多样性方面均有显著提升。通过在FaceScape数据上的训练,该工作提出了通过单幅图像重建高精度可操控的人脸三维模型,实现了单幅图像预测特定表情下精细三维结构的新方法。 公开数据集 FaceScape数据集包含约1.8万个含有彩色纹理的高精度三维模型,其中约1.7万个模型作为训练集公开。这些模型来自于超过800位不同年龄段、不同身份的参与者,以及每位参与者的20种指定表情。所公开的数据包含了毛孔级别的细微几何结构和高清纹理贴图,并具有统一的面片网格拓扑结构。 已公开的资源包括:
*FaceScape数据集仅用于非商业的学术研究,可通过数据发布网站申请和下载(见文末)。相关研究进展和最新公开资源将在本项目GitHub页面持续更新。 技术路线 模型表情操控的动图展示: 论文信息:Haotian Yang*, Hao Zhu*, Yanru Wang, Mingkai Huang, Qiu Shen, Ruigang Yang, Xun Cao, FaceScape: a Large-Scale High Quality 3D Face Dataset and Detailed Riggable 3D Face Prediction, IEEE CVPR (2020). 数据集发布网页: https://facescape./ GitHub项目页面: https://github.com/zhuhao-nju/facescape Reference 回顾与预告 |
|
来自: 新用户0118F7lQ > 《待分类》