论文部分内容阅读
人脸在人类日常交流中起着最直接的信息传达功能,利用计算机合成真实感人脸表情不断吸引着众多的研究者。而二维人脸容易受光照、肤色等影响,因此三维人脸的建模对于实际的人脸应用具有重要作用。由于表示人脸的数据维度极高,直接对其操作不仅耗时,且未能准确表达人脸特征。因此,本文基于子空间学习方法,对人脸降维,提取其本质特征,从而完成三维人脸及其表情的建模。
直接通过三维扫描仪建模三维人脸,可达到较高精度,然而设备昂贵。目前广泛采用的方法是根据单张二维人脸图片生成相应的三维人脸。本文利用一组包含成对的二维和三维人脸的训练集合,训练得到一个联合径向基函数网络模型,从而通过此模型将二维人脸变换为三维人脸。联合径向基函数网络能够挖掘出:1)三维人脸以及二维人脸的本质特征;2)三维人脸及其本质特征向量的一一映射关系;3)二维人脸及其本质特征向量的一一映射关系。由于一张人脸能够被其邻居所表示,我们假设一个体的二维人脸与其邻居的关系等同于该个体的三维人脸与其邻居的关系。因此,在径向基函数网络学习到的子空间中,计算出给定的二维人脸被其邻居线性表示的系数,通过此系数重构出相应的三维人脸的本质特征向量,最后再由学习到的映射函数,得到原始高维空间的三维人脸。
三维人脸表情合成是计算机动画领域中一项重要而有挑战性的工作。针对人脸表情数据的非线性分布特性,提出一种新的基于非线性联合学习的三维人脸表情合成方法。首先,通过无监督回归,将具有相同属性的三维人脸映射到相同的低维表达;其次,基于三维人脸的低维表达,对其进行重建操作,为给定的三维人脸合成表情,或基于样例表情进行表情的重定向。并且,非线性联合学习方法还能有效处理带噪声及不完整的人脸数据。
实验结果表明,所提出的基于子空间学习的三维人脸及其表情建模的合成结果及合成效率优于已有方法。