Wir schlagen eine automatische Methode zur Generierung von Charaktergesichtern vor, die sowohl die Gesichtsform als auch vorhersagt
Textur für ein Porträt. Es kann für die meisten vorhandenen 3D-Spiele verwendet werden. Forschungstext
Damit 3D-Morphing-Gesichtsmodelle (3DMMs) das Profil einer Person genau reproduzieren können, müssen sie mit großen Bild- und Texturdatensätzen trainiert werden.
Die Zusammenstellung dieser Datensätze kann dauernziemlich viel Zeit. Außerdem kann ein solches System nur dann stabil funktionieren, wenn regelmäßig neue Daten geladen werden. Um diese Einschränkung zu überwinden, verwendeten die Autoren des Werks, Lin, Yuan und Zou, Bilder von echten Menschen statt generierter Fotos.
Sie rekonstruierten zuerst das Gesicht anhand von3D-Gesichts-Morphing-Modell (3DMM) und Convolutional Neural Networks (CNNs) und anschließendes Übertragen der Form des 3D-Gesichts auf ein Raster von Schablonen. Als Ergebnis erhält das Netzwerk ein Gesichtsbild und eine abgerollte UV-Textur-Map als Eingabe und sagt dann die Lichtfaktoren voraus.
Die Autoren testeten ihre Deep-Learning-Technik in einer Reihe von Experimenten: Sie verglichen die Qualität von Spielfiguren mit anderen generierten Modellen.
weiter lesen
Durch die Sonne verliert die Erdatmosphäre jeglichen freien Sauerstoff
Physiker haben ein Analogon eines Schwarzen Lochs erstellt und Hawkings Theorie bestätigt. Wohin führt es?
Abtreibung und Wissenschaft: Was wird mit den Kindern geschehen, die gebären werden?