-
题名基于深度卷积网络的3D人脸重构算法
被引量：1
- 1
-
-
作者
陈娜
-
机构
兰州工业学院计算机与人工智能学院
-
出处
《激光与红外》
CAS
CSCD
北大核心
2022年第6期923-930,共8页
-
基金
甘肃省教育厅2018年科研一般项目“甘肃省少数民族图案艺术特征提取和识别算法的应用研究”(No.2018A-128)
兰州工业学院2019年度兰州工业学院青年科技创新项目“基于知识表示的网络学习平台个性化资源推荐研究”(No.2019k-009)
+1 种基金
2020年度兰州市社科规划项目《参与式影像在兰州历史文化中的创新与运用研究》(No.20-014C)
2021年甘肃省高等学校创新基金项目(No.2021B-311)资助。
-
文摘
基于单张人脸图片的3D人脸模型重构,无论是在计算机图形领域还是可见光成像领域都是一个极具挑战性的研究方向,对于人脸识别、人脸成像、人脸动画等实际应用更是具有重要意义。针对目前算法复杂度较高、运算量较大且存在局部最优解和初始化不良等问题,本文提出了一种基于深度卷积神经网络的单张图片向3D人脸自动重构算法。该算法首先基于3D转换模型来提取2D人脸图像的密集信息,然后构建深度卷积神经网络架构、设计总体损失函数,直接学习2D人脸图像从像素到3D坐标的映射,从而实现了3D人脸模型的自动构建。算法对比与仿真实验表明,该算法在3D人脸重建上的归一化平均误差更低,且仅需一张2D人脸图像便可自动重构生成3D人脸模型。所生成的3D人脸模型鲁棒性好,重构准确,完整保留表情细节,并且对不同姿态的人脸也具有较好的重建效果,能够在三维空间中无死角自由呈现,将满足更多实际应用需求。
-
关键词
3D人脸重构
2D人脸图像
深度神经网络
卷积网络
3D转换模型
-
Keywords
3D face reconstruction
2D face images
deep neural network
convolutional network
3D transformation model
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
