Proponujemy metodę automatycznego generowania twarzy znaków, która przewiduje zarówno kształt twarzy, jak i
tekstura dla jednego portretu. Można go używać w większości istniejących gier 3D. Tekst badawczy
Aby modele 3D Morphing Face Models (3DMM) dokładnie odwzorowywały profil osoby, muszą być przeszkolone na dużych zestawach danych obrazu i tekstury.
Kompilowanie tych zbiorów danych może zająćcałkiem sporo czasu. Ponadto taki system może działać stabilnie tylko wtedy, gdy regularnie ładowane są nowe dane. Aby pokonać to ograniczenie, autorzy pracy, Lin, Yuan i Zou, wykorzystali wizerunki prawdziwych ludzi, a nie wygenerowane fotografie.
Najpierw zrekonstruowali twarz na podstawieModel morfingu twarzy 3D (3DMM) i konwolucyjne sieci neuronowe (CNN), a następnie przeniesienie kształtu twarzy 3D na siatkę szablonów. W rezultacie sieć otrzymuje jako dane wejściowe obraz twarzy i rozwiniętą mapę tekstury UV, a następnie przewiduje współczynniki światła.
Autorzy przetestowali swoją technikę głębokiego uczenia się w serii eksperymentów: porównali jakość postaci w grze z innymi wygenerowanymi modelami.
Czytaj więcej
Z powodu Słońca atmosfera ziemska utraci cały wolny tlen
Fizycy stworzyli analogię czarnej dziury i potwierdzili teorię Hawkinga. Dokąd to prowadzi?
Aborcja i nauka: co stanie się z dziećmi, które będą rodzić