基于ICA算法的一般人脸动画模式表达

该文基于三维扫描数据抽取特定人面部特征点的三维运动,转化为FAP训练数据。然后通过对获取数据应用独立元分析获得一般人脸动画模式,最终使用ICA参数空间生成任意特定人的面部表情。实验结果表明,ICA比PCA给出更加紧致准确的一般人脸动画表达模式,当两种分量的数目相同时,ICA的重建误差比PCA的重建误差小。表情参数影响动画人脸不同部分的独立性和相关性,改善了不同表情人脸动画的真实性。

基于优化CANDIDE模型的人脸动画

使用CANDIDE模型,实现模型与照片人脸的快速自动匹配.在模型与人脸初步匹配后,对模型局部进行网格优化,提高了模型的表征力同时并不影响匹配速度.用基于薄板样条插值方法(TPS)的网格形变取代传统的移动网格结点的动画方法,有效提高了动画的真实感.实验结果显示,自动模型匹配让动画角色的更换工作变得快速易行,优化的网格形变产生的动画更加生动、自然.