基于物理模型的人脸表情动画技术研究

用计算机建立人脸表情动画是当前计算机图形学研究领域中的一个富有挑战性的课题 .该文在总结了国内外有关该课题研究方法的基础上 ,提出了一种基于物理模型的人脸表情动画生成算法 ,并依该算法设计和开发了一个实际的人脸表情动画系统 HU FACE.该算法将人的脸部模拟为一个弹性体 ,为使计算简化 ,又将人脸表面依其生理特征分为八个子块 .脸部表情所产生的五官动作模拟为弹性体的形变 ,并建立相应的弹性形变模型 .当脸部表情引起脸部各子块形变时 ,每个子块上的各点将发生位移 ,于是利用该模型计算这些点的位移量 ,由此获得表情动画中的每一帧画面 .由于脸部动作由该形变模型控制 ,且计算简单、速度快 ,因此不需存储表情动画中的各个画面 ,提高了系统的效率 .实验结果表明 ,由 HUFACE系统生成的人脸表情真实。

基于Kinect与网格几何变形的人脸表情动画

面部表情重建的实时性与重建效果的真实性是人脸表情动画的关键问题,提出一种基于Kinect人脸追踪和几何变形技术的面部表情快速重建新方法。使用微软的Kinect设备识别出表演者面部并记录其特征点数据,并利用捕捉到的特征点建立覆盖人脸的网格模型,从中选取变形使用的控制点数据,由于Kinect可以实时地自动追踪表演者面部,由此实现了利用三种不同变形算法对目标模型实时快速重建。实验结果表明,该方法简单易实施,不用在表演者面部做任何标定,可以自动地将人脸表情动作迁移到目标模型上,实现人脸表情快速重建,并且保证目标模型表情真实自然。

基于抽象肌肉模型的人脸表情动画实现

介绍了一个基于抽象肌肉模型的人脸表情动画的实现过程,详细阐述了在系统实现过程中用到的人脸几何表示、抽象肌肉模型、一般人脸变化到特定人脸以及等技术。

计算机人脸表情动画技术综述

真实感的计算机人脸表情动画是计算机图形学领域最基本的问题之一。由于其具有广阔的应用前景,引起了越来越多的研究者的关注与极大的兴趣。针对近几十年来该领域的发展状况,对计算机人脸表情动画技术进行综述。通过将人脸表情动画技术分为基于几何学的方法和基于图像的方法,详细阐述并比较了相关的研究成果,分析和讨论了它们的优缺点,并对人脸表情动画技术的未来发展进行了展望。

人工心理模型驱动的人脸表情动画合成

提出了一种人脸表情动画合成方法,该方法以人工心理模型输出概率值作为权重向量,通过因素加权综合法,控制表情动画模型参数。实验结果表明,该方法实现了心理状态对表情的实时驱动,合成的人脸表情动画真实、自然。

人脸表情动画与语音的典型相关性分析

表情动画作为语音驱动人脸动画的一部分,在增加人脸动画逼真性方面起着重要的作用,但已有的工作没有定量分析人脸表情动画与语音之间的关系.文中通过研究人脸表情动画与语音的相关性,采用典型相关性分析方法(CCA)定量分析两者之间的内在联系,得出这些关系直观的量化的结论.首先计算人脸表情动画与语音的典型相关性系数,衡量两者的相关程度;然后分析人脸表情动画与语音的典型负荷、典型交叉负荷等数据,并挖掘两者内部各分量之间的联系,由此得出直观的量化的结论.最后验证了结论的稳定性.分析结果表明两者具有强相关性,并揭示了人脸表情动画各成分与语音声学特征之间的具体内在联系.文中成果可为语音驱动人脸动画技术提供理论参考及结果评价依据.

支持表情细节的语音驱动人脸动画

针对语音驱动人脸动画中如何生成随语音运动自然呈现的眨眼、抬眉等表情细节以增强虚拟环境的沉浸感的问题,提出一种可以合成表情细节的语音驱动人脸动画方法.该方法分为训练与合成2个阶段.在训练阶段,首先对富有表情的三维人脸语音运动捕获数据特征进行重采样处理,降低训练数据量以提升训练效率,然后运用隐马尔可夫模型(HMM)学习表情人脸语音运动和同步语音的关系,同时统计经过训练的HMM在训练数据集上的合成余量;在合成阶段,首先使用经过训练的HMM从新语音特征中推断与之匹配的表情人脸动画,在此基础上,根据训练阶段计算的合成余量增加表情细节.实验结果表明,文中方法比已有方法计算效率高,合成的表情细节通过了用户评价验证.

基于Max/Msp/Jitter的实时表情捕捉系统设计

随着数字影像技术的发展,传统的逐帧或关键帧技术已经难以满足数字影像的制作需求,动作及表情捕捉技术越来越受到人们的重视。本文从动作捕捉技术的需求出发,阐述了当今主流的动作、表情捕捉技术的发展现状及其特点。着重论述了基于Max/Msp/Jitter的实时表情捕捉系统的设计思路及实现路径,为开发成本较低、捕捉精度可控、环境适应度较高的轻量级表情捕捉系统提供了一个可参考的思路。