真实感人脸建模研究的进展与展望

计算机合成真实感人脸是计算机图形学研究的一个热点,也是一个难点.以真实感人脸合成的过程为线索,从脸部数据的获取、人脸几何建模和真实感人脸生成这3个方面对近30年以来的真实感人脸建模方面的研究进行了详细的综述,并对其应用和未来的发展作了简要的介绍.

基于MPEG-4的真实感人脸技术

人脸建模与动画是计算机图形学中最富有挑战性的课题之一,可以广泛应用于计算机动画行业、游戏行业、远程会议、代理和化身等许多领域。根据MPEG-4关于人脸特征点的定义,利用一般人脸模型以及特定人的正面和侧面两幅照片,采用Dirichlet自由变形实现了从一般人脸模型到特定人脸模型的变形;再利用特定人的正面和侧面照片,采用纹理融合方法生成了真实感人脸。论文提出的真实感人脸技术具有方法简单、计算速度快、真实感强等优点。

基于生物流变学的真实感人脸模型

该文给出了一种基于生物流变学的真实感人脸建模方法。该方法从决定人脸运动及表情的两方——受力方人脸及施力方人脸肌肉的运动动力学性质及生物流变学性质出发,用胡克体与牛顿体的串并联构建人脸各器官的粘弹性模型,建立应力—应变关系的本构方程;给出了人脸部三类肌肉的力学模型,并推导出人脸驱动模型。实验结果表明,本方法所得人脸模型能较逼真地模拟人脸的力学性质及运动特性。

基于实拍图像的人脸真实感重建

给出了基于实拍人脸图像的三维逼真人脸模型的重建算法 .该算法首先在两幅人脸图像上交互标识特征点对和输入摄像机的广角参数来实现摄像机定标 ,进而匹配出两幅人脸图像上的其它对应点 ,实现模型的三维重建 .作者用半自动方法来达到匹配目的 :用手工编辑建立的二维对应网格 ,得到初始人脸外形 ;采用鲁棒的最大似然立体匹配算法自动匹配出稠密的对应点 ,重建出表示人脸的散乱三维数据点团 ;最后利用这些稠密的三维数据点去迭代矫正和自适应细分手工编辑的三维初始人脸网格得到结果模型 .鉴于所得网格往往存在噪声 ,该算法利用 L aplace二阶算子对它进行光滑处理 ,并给出了纹理映射的绘制结果 .实验结果表明 ,该算法无需昂贵的设备 ,既省力 。

一种新的真实感人脸重建算法及其在虚拟现实中的应用

在计算机图形研究领域，基于二维图像的三维人脸真实感重建是一个热门课题。其研究成果可广泛地应用于低带宽的视频电话会议、游戏、虚拟主持人、在线聊天、虚拟现实、刑侦等领域。如果生成的模型足够精致，还可以应用于医院美容、整容等领域。

真实感三维人脸建模技术综述

三维建模是计算机图形学和计算机视觉领域的基本问题。人脸具有共性强及个性鲜明的特点,成为众多三维建模算法的实验平台。但由于人脸的多样性、复杂性,建立真实感强的目标三维人脸模型在学术研究和实际应用方面都具有重要意义。在文献梳理的基础上,阐述了真实感三维人脸建模理论和实践相关研究成果,总结了目前三维人脸重建的研究方法,分析了各种三维人脸重建方法的优缺点,提出了有待进一步研究的问题,展望了未来的发展趋势。

数字人脸渲染与外观恢复方法综述

数字人技术引起了数字孪生、元宇宙等领域的广泛关注,其中人脸作为数字人的重要构成部分,其数字化生成和呈现成为人们关注的焦点,且相关技术已经在电影、游戏等领域得到了广阔应用。人们对实现逼真的人脸效果以及精确恢复人脸的需求日益增长,但由于人脸的多层材质结构、复杂的半透明皮肤效果以及毛孔、褶皱等微观特征的综合影响,实现高保真的、高效的人脸渲染一直是领域内的难题。此外,通过采集设备对人脸的几何和外观进行恢复是构建人脸数据的重要方式,然而对人脸的高品质恢复也同样受限于高成本的采集设备和相关数据集的不足。本文对数字人脸的渲染与恢复的相关方法进行综述。首先介绍了真实感人脸的渲染方法,根据其不同的渲染原理,将它们分为基于扩散近似的渲染方法和基于蒙特卡洛采样的渲染方法,并着重分析了基于近似扩散渲染方法的发展现状及面临的问题。进一步,将人脸恢复工作分类为基于专业采集设备的高精度恢复和基于深度学习的低精度恢复。针对高精度人脸恢复,从主动照明和被动捕获两个分支,对相应的工作进行了总结。针对结合深度学习的低精度人脸恢复方法,将其分类为几何细节的恢复、纹理贴图的恢复以及人脸材质信息的恢复3个方面进行介绍。本文系统地论述了各类方法的核心思路,并进行了横向对比和分析。最后,对未来人脸渲染及恢复方法的发展趋势进行了展望。希望本文可以为人脸渲染和外观恢复的初学者提供一些背景知识和思路启发。

基于形状外观关联映射的动态脸部纹理生成(英文)

脸部表情的变化细节(例如皱纹)是很重要的视觉线索,但是它们难以建模与合成.这是由于人们说话和作表情时,脸部纹理也在动态地改变.与传统的纹理映射方法不同,提出一种根据脸部特征点运动来生成脸部动态纹理的新方法.基于形状和外观在表情脸部图像上高度相关这个观察,设计建立了从形状到外观的映射关系.这个映射被称作形状外观的关联映射(shape-appearance dependence mapping,简称SADM).实验结果表明用,SADM合成出的人脸与真实的人脸十分近似.提出的SADM方法可以集成到基于线框模型的人头模型中产生真实的动画效果,也可以应用于基于模型的视频编码来进一步节省传输带宽.