通过曲面参数化和二维语义分割网络实现三维人脸解析
计算机视觉与模式识别
2022-06-22 v1
摘要
人脸解析为计算机分配像素级语义标签作为人脸表示，是许多人脸先进技术的基础部分。与二维人脸解析相比，三维人脸解析显示出实现更佳性能和更广泛应用前景的更大潜力，但由于三维网格数据计算，它仍然具有挑战性。近期工作引入了不同的三维曲面分割方法，但性能仍然有限。本文提出了一种基于“3D-2D-3D”策略的方法来完成三维人脸解析。通过人脸参数化算法从采样的三维人脸数据变换得到包含空间和纹理信息的拓扑盘状二维人脸图像，并提出一个名为CPFNet的特定二维网络，利用多尺度技术和特征聚合实现对二维参数化人脸数据的语义分割。然后将二维语义结果逆映射回三维人脸数据，最终实现三维人脸解析。实验结果表明，CPFNet和“3D-2D-3D”策略均能完成高质量的三维人脸解析，并在定性和定量比较中均优于最先进的二维网络和三维方法。
引用
@article{arxiv.2206.09221,
title = {3D Face Parsing via Surface Parameterization and 2D Semantic Segmentation Network},
author = {Wenyuan Sun and Ping Zhou and Yangang Wang and Zongpu Yu and Jing Jin and Guangquan Zhou},
journal= {arXiv preprint arXiv:2206.09221},
year = {2022}
}