3D面部瑕疵再生：深度学习方法与3D打印原型
计算机视觉与模式识别
2023-03-28 v1
摘要
本研究探索了一种全卷积网格自编码器模型在存在瑕疵区域的情况下再生3D自然面部的潜力。我们利用图处理与分析中的深度学习方法，考察该模型在重建面部疤痕填充部分方面的能力。我们在数据集创建方面的方法能够在虚拟空间中针对独特情况合理地生成面部疤痕。特别地，我们提出了一种名为3D面部瑕疵再生（3D-FaIR）的新方法，用于基于患者面部的剩余特征进行完整面部重建。为了进一步增强本研究的应用能力，我们开发了一种改进的离群点技术，以分离患者的伤口并提供适当的伤口覆盖模型。此外，一个包含瑕疵面部和开源代码的Cir3D-FaIR数据集发布于 https://github.com/SIMOGroup/3DFaIR。我们的研究结果表明，所提出的方法有潜力通过便捷的技术帮助患者更快速、安全地恢复。我们希望这项研究能为面部疤痕再生的新产品和创新解决方案的开发做出贡献。
引用
@article{arxiv.2303.14381,
title = {3D Facial Imperfection Regeneration: Deep learning approach and 3D printing prototypes},
author = {Phuong D. Nguyen and Thinh D. Le and Duong Q. Nguyen and Thanh Q. Nguyen and Li-Wei Chou and H. Nguyen-Xuan},
journal= {arXiv preprint arXiv:2303.14381},
year = {2023}
}