We stellen een automatische methode voor het genereren van karaktergezichten voor die zowel de gezichtsvorm als het gezicht voorspelt
textuur voor één portret. Het kan worden gebruikt voor de meeste bestaande 3D-games.Onderzoekstekst
Om ervoor te zorgen dat 3D Morphing Face Models (3DMM's) het profiel van een persoon nauwkeurig kunnen reproduceren, moeten ze worden getraind op grote sets beeld- en textuurgegevens.
Het samenstellen van deze datasets kan enige tijd in beslag nemenbehoorlijk wat tijd. Bovendien kan een dergelijk systeem alleen stabiel werken als er regelmatig nieuwe gegevens worden geladen. Om deze beperking te overwinnen, gebruikten de auteurs van het werk, Lin, Yuan en Zou, afbeeldingen van echte mensen in plaats van foto's te genereren.
Ze reconstrueerden eerst het gezicht op basis van3D-gezichtsmorphing-model (3DMM) en convolutionele neurale netwerken (CNN's), en vervolgens de vorm van het 3D-gezicht overbrengen naar een raster van sjablonen. Als resultaat ontvangt het netwerk een gezichtsbeeld en een uitgerolde UV-textuurkaart als invoer, en voorspelt het vervolgens de lichtfactoren.
De auteurs testten hun deep learning-techniek in een reeks experimenten: ze vergeleken de kwaliteit van gamekarakters met andere gegenereerde modellen.
Lees verder
Door de zon verliest de atmosfeer van de aarde alle vrije zuurstof
Natuurkundigen hebben een analoog van een zwart gat gemaakt en de theorie van Hawking bevestigd. Waar leidt het toe?
Abortus en wetenschap: wat gebeurt er met de kinderen die zullen bevallen