Vi foreslår en metode til automatisk generering af karakteransigter, der forudsiger både ansigtsform og
tekstur til et portræt. Det kan bruges til de fleste eksisterende 3D-spil. Forskningstekst
For at 3D Morphing Face Models (3DMM'er) nøjagtigt kan gengive en persons profil, skal de trænes i store sæt billed- og teksturdata.
Det kan tage at kompilere disse datasætret meget tid. Et sådant system kan også kun fungere stabilt, hvis der regelmæssigt indlæses nye data. For at overvinde denne begrænsning brugte forfatterne til værket, Lin, Yuan og Zou, billeder af rigtige mennesker i stedet for genererede fotografier.
De rekonstruerede først ansigtet ud fra3D ansigt morphing model (3DMM) og nedbrydning neurale netværk (CNNs), og derefter overføre formen på 3D ansigt til et gitter af skabeloner. Som et resultat modtager netværket et ansigtsbillede og et udrullet UV-strukturkort som input, og derefter forudsiger det lysfaktorerne.
Forfatterne testede deres deep learning-teknik i en række eksperimenter: de sammenlignede kvaliteten af spilkarakterer med andre genererede modeller.
Læs mere
På grund af solen mister jordens atmosfære al fri ilt
Fysikere har skabt en analog til et sort hul og bekræftet Hawkings teori. Hvor det fører hen?
Abort og videnskab: hvad vil der ske med de børn, der føder