基于注意力引导生成对抗网络从深度视图恢复三维面部几何
计算机视觉与模式识别
2020-09-03 v1
摘要
我们提出通过注意力引导生成对抗网络（AGGAN）从单张深度视图恢复完整的三维面部几何。与通常需要两张或更多深度视图来恢复完整三维面部几何的现有工作不同，所提出的AGGAN能够从单张无约束深度视图生成密集的三维面部体素网格。具体而言，AGGAN在体素空间中对三维面部几何进行编码，并利用注意力引导的GAN对不适定的2.5D深度到三维映射进行建模。多种强制三维面部几何一致性的损失函数，连同体素空间中面部表面点的先验分布，被结合以引导训练过程。定性与定量比较表明，与常规方法相比，AGGAN恢复了更完整且更平滑的三维面部形状，并能够处理更广的视角范围且对深度视图中的噪声具有鲁棒性。
引用
@article{arxiv.2009.00938,
title = {3D Facial Geometry Recovery from a Depth View with Attention Guided Generative Adversarial Network},
author = {Xiaoxu Cai and Hui Yu and Jianwen Lou and Xuguang Zhang and Gongfa Li and Junyu Dong},
journal= {arXiv preprint arXiv:2009.00938},
year = {2020}
}