2020年3月17日午前11時27分05秒
ほとんどの人間は、公開されました
著者：FACEGOOD
二つの方向、商用1中の顔に現時点では、両方の学術研究と産業界、産業用精密にこれらの技術の技術的な一般化により、低洗練された製品をユーザーに提供することは大きなのニーズを満たすことができませんアルゴリズムは、高周波数情報の一般化であるため、失われた顔です。第二に工業用グレード、顔生体力学シミュレーションレベルから、適切な技術の一般化に基づいた精度、この方向でFACEGOODの行くを、改善し続け、それが極端に重要な点追跡に直面するだろう、すでに精度にプッシュされます100,000技術は、顔の表情や他の機会を捉え、工業用グレードの顔移植に使用することができます。
簡単な紹介
顔検出、セキュリティ、金融、エンターテイメント、その他の分野での主要なアプリケーションの広い範囲を持って、アルゴリズムの非常に基礎となっていると言うことができ、我々はその歴史を初めて目には、ティムCootes＆クリス・テイラーは、1995年に新提案しましたこの方法は、（アクティブ形状モデル）人間の顔のキーポイントアライメント先例を作成し、ASMは、アライメントの問題を解決するための統計モデルを導入し、すぐに3年後、彼らはこれに基づいてアクティブAppreanceモデルを開発し、この方法は非常に強いがあります人々は、アライメントの問題に直面することを知っている歴史の中で場所は、伝統的なCVアルゴリズムは後でニューラルネットワークのための基礎を築いた、AAM後に右方向に入力され、このような高い緯度顔の特徴に対応することが困難、粗すぎる、非常にトリッキーなものです基礎、基本的な考え方はとてもマッチング機能の一般化を解決するために、リターンのプロセスでテクスチャ機能を追加、AAMさらに最適化、ASMはちょうど目印が統計モデルを訓練し、考慮にテクスチャ特徴を取らないことをASMであります問題は、人の顔は、より堅牢な整列されていること。20年後、多くの研究者は、2D顔アライメント問題を推進していき完全に解決された、アルゴリズムはまた、単にgithubの良いオープンソースプロジェクトで精度の多くを持って、キャベツのでした。
同時に、1998年に2人の研究者があり、新しいトラックを開いた、彼らは全く新しい次元に顔を揃えるために、3Dアラインメントアルゴリズムを作った、この方法は現在、業界の主流となっていますアルゴリズム・プロセス、および業界は厳密ではないけれども、3DMMそれを呼び出すが、のは、このような定義に従うようにする使用、3DMM計算は、3D点群を投影する人間の顔にマージされる今、そのアプリケーションが非常に豊富です等、美しさ、表情の捕捉、人間の顔を生成することにより、写真、同様の技術を使用しました。
公式 1。
上記のように基本的な考え方である：顔が言い換えれば、異なる顔の複数の線形結合することにより得られる、人の顔が与えられると、3Dモデルを描画するために、回帰係数学習します式は、式AAMある一目でAAMの学生は、それはAAMは、sは固有ベクトルSが平均顔である別のアプリケーションであるということができる、AIは重み係数です。TMODELテクスチャは同じ星の線形結合を使用して、人間の顔にフィットするために使用されます。3DMMは彼の計算結果は満足のいくものではない、非常に初期のアイデアで、今のところ唯一のおもちゃのレベルと考えることができ、精度の主PCA損失は非常に深刻です。
2008年には、3DMM発表された論文では、さらに、精度、いくつかの点で表情をサンプリング式1を推進していきますので、精度の劣化を生じる、顔に口座その他の事情に取ることはありません。本論文では、このような結果は、より信頼できるように、因子の発現と顔ごとに、その「双一次モデル」と呼ばれる、次元を追加します。
公式 2。
顔データベースであるwは、式1の考え方に双一次式は、bは異なる個体を表す、異なる表情を表し、係数aだけ増加する、本3DMMは、Facewarehouse将来のアプリケーションのために敷設されたアルゴリズムの処理を完了しますベース、我々はすべてのFacewarehouseを知っているバックストーリーは、私たちが要約されているこれらの研究の前に、ここでストップを行い、独自のデータベースとアプリケーションのアイデアを開始しました。
2つの3DMMの欠点は、明らかである。このような状況を引き起こして、個々の理由で非常に明白反映し、顔の細部、高周波低振幅表現の特に細部の多くを無視して、すべてこの道の技術の一般化で道を実行しているがあります回帰統計に基づいて数ヶ月は、正確なものではなく、漠然としたソリューションであり、コレクションのほとんどが低コストの機器と3Dデータベースモデルを生成するため、精度が高く、2は一緒に、3DMMは、高精度でアプリケーションシナリオが満たす需要に完全にできないことができないが、工業用グレードの超高精度を達成するために、より不可能必要。
FACEGOOD 3DMMモデル
1つのBFM＆SFMモデルを示します。
2 FACEGOODモデルを示します。
より正確な3D情報が人間の顔を計算するために、産業ビジネスシナリオに適用することができるため、FACEGOODチームは一人一人が、43個の異なる表現、ならびにそれらの対応する高を有し、3Dモデルの100の異なる個体を収集するために、カメラアレイ方式を使用しましたFACEGOOD 3DMM確立されたデータモデルとして精度の皮素材データ、。
現在、これらのデータベースと比較して、2つのSFMとBFM、ならびに学術研究用途のみFacewarehouse、FACEGOOD 3DMMは、主に技術を走査するように放棄のKinect市販グレード、使用カメラアレイの精度が反映されているオープンソースデータベース完全に2は、データFACEGOODを示し、図に示すように、すべての機能の顔の肖像を再構成することができる、SFMデータ1は、顔の特徴について保持実質的に、詳細の損失が大きい、示されています。
FACEGOOD超高精度プロセス
一般化におけるニューラルネットワーク技術の主な利点は、優れた性能を持っていますが、高精度な3次元顔、深さなどの顔の特徴を、追跡を達成するために、高精度アプリケーション向けではない理想的には、など、マイクロ表現顔の特徴でFACEGOODを変更します伝統的なアルゴリズムにプログラムのこのセットを使用してR＆D担当者が、超リアルなデジタル人間に使用し始めています。
公式 3
姿勢推定FACEGOOD。
図数式3に示すように、基本的な考え方である。このような仮説を描くの線形結合によって顔に基づいて、同じ基本的な顔、FACEGOODチームは、このような方法を開発し、CMはFACEGOOD 3DMMモデル、高精度のアルゴリズム（図の使用の最初のステップです。番組3）2次元顔特徴点追跡は、次いで、高精度3Dモデルに合うように、人の顔に基づいて、その後、さらにV（WI）によって最適化された3Dモデルは、このステップの結果は、実質的に面に接着されています。3Dモデルが完全面に位置合わせされ、これは口輪を含む、完全な3次元顔の高精度で得られるように、実質的Eexp発現、プラスdetaVを取得した後、最適化するために続行高周波マイクロ細かい筋肉を取り巻く発現情報、口輪筋。
最後に、後のプロセス全体にわたり筋肉シミュレーションアルゴリズム、仮想文字にリダイレクト式パラメータ、およびRANによって正確な3Dの顔を描きます。
参考文献：
曹操のNa、衡陽師範学校音楽科、2016の本当の役割を形作るにおける舞台芸術における・マイクロ表現
・TF CootesとCJテイラーとDHクーパーとJ.グラハム（1995）。「アクティブ形状モデル - 彼らの訓練と応用」。コンピュータビジョンと画像理解
・Cootes、TF。エドワーズ、GJ。テイラー、CJ（1998）。「アクティブ外観モデル」。コンピュータビジョン - ECCV'98。コンピュータサイエンスの講義ノート。
・3D顔と表情認識のための双一次モデル、Iordanis Mpiperis、フェロー、IEEE、2008。
・エクマンとW.フリーセン。符号化システムひげ処置：顔面運動の測定のための技術。コンサルティング心理学者を押して、パロアルト、1978。
・BRADLEY、D.、HEIDRICH、W.、POPA、T.、ANDシェファー、A. 2010の高解像度パッシブ顔のパフォーマンス・キャプチャー。ACMトランス。グラフ。29、4（7）、41：1-41：10。
・PIGHIN、FH、SZELISKI、R.、AND SALESIN、D. 1999 3Dモデルベースの追跡を通じて顔のアニメーションを再合成します。PROCで。コンピュータビジョン、ケルキラ、ギリシャ、143-150第7回国際会議。
・ワイズ、T.、BOUAZIZ、S.、LI、H.、ANDポーリー、M. 2011.リアルタイムパフォーマンスベースのフェイシャルアニメーション。グラフィック上のACMトランザクション（予稿SIGGRAPH 2011）30、4（7）.LIU、X.、MAO、T.、XIA、S.、YU、Y.、AND WANG、動きから最適化されたブレンドシェイプによってZ. 2008フェイシャルアニメーションデータを取り込みます。コンピュータアニメーションと仮想世界19、3-4、235-245。
・LI、H.、ADAMS、B.、GUIBAS、LJ、ANDポーリー、M. 2009.ロバストシングルビュージオメトリ及び運動再建。グラフィックス（議事シーグラフアジア2009）28、5上のACMトランザクション。
・BALTRUSAITIS、T.、ROBINSON、P.、AND MORENCY、L.-P. 2012年3Dは、剛性及び非剛性顔トラッキングのためのローカルモデルを拘束しました。コンピュータビジョンとパターン認識（CVPR 2012）。
・CHUANG、E.、AND BREGLER、ブレンドシェイプ補間を使用して顔のアニメーションを駆動C. 2002年のパフォーマンス。テック。議員、スタンフォード大学。
