基于合成数据的角度范围与身份相似性增强的视线与头部重定向方法
计算机视觉与模式识别
2023-09-12 v1
摘要
在本文中，我们提出了一种用于提升全脸图像中视线与头部重定向的角度精度和照片真实感的方法。当前模型的问题在于无法处理大角度下的重定向，该限制主要源于训练数据的缺乏。为解决此问题，我们通过单目三维人脸重建进行数据增强，以扩展真实数据的头部姿态和视线范围，使模型能够处理更宽的重定向范围。除主要关注数据增强外，我们还提出了一种即便使用合成数据训练也能对未见受试者具有更优图像质量和身份保持的框架。实验表明，我们的方法在保持高图像质量的同时，尤其在重定向至大角度时，显著提升了重定向角度精度方面的重定向性能。
引用
@article{arxiv.2309.05214,
title = {Angle Range and Identity Similarity Enhanced Gaze and Head Redirection based on Synthetic data},
author = {Jiawei Qin and Xueting Wang},
journal= {arXiv preprint arXiv:2309.05214},
year = {2023}
}