通过解耦形状与外观实现可控三维生成对抗人脸模型
计算机视觉与模式识别
2022-08-31 v1
摘要
三维人脸建模一直是计算机视觉与计算机图形学中的活跃研究领域，推动了从虚拟化身中的面部表情迁移到合成数据生成等应用。现有的三维深度学习生成模型（如VAE、GANs）可生成紧凑的人脸表示（形状与纹理兼具），并能对形状与外观空间中的非线性（如散射效应、镜面反射等）进行建模。然而，它们缺乏控制细微表情生成的能力。本文提出一种新的三维人脸生成模型，能够解耦身份与表情，并对表情提供细粒度控制。具体而言，我们提出采用一对有监督自编码器与生成对抗网络来生成高质量的三维人脸，兼顾外观与形状。使用整体表情标签或动作单元（Action Unit）标签学习生成三维人脸的实验结果表明，我们如何解耦身份与表情；在保持身份的同时获得对表情的精细控制。
引用
@article{arxiv.2208.14263,
title = {Controllable 3D Generative Adversarial Face Model via Disentangling Shape and Appearance},
author = {Fariborz Taherkhani and Aashish Rai and Quankai Gao and Shaunak Srivastava and Xuanbai Chen and Fernando de la Torre and Steven Song and Aayush Prakash and Daeil Kim},
journal= {arXiv preprint arXiv:2208.14263},
year = {2022}
}
备注
8 Pages