用于估计三维面部姿态与表情的深度能量
计算机视觉与模式识别
2018-12-10 v1
摘要
尽管利用动作捕捉标记与由阴影恢复形状捕获高质量面部表演已取得诸多进展，高端系统通常还依赖手绘于图像上的转描曲线。这些曲线具有主观性且难以一致绘制；此外，在确定三维面部姿态与表情的优化中，需要特设过程化方法在嵌入的合成渲染上生成匹配的转描曲线。我们提出一种替代方法：利用训练好的神经网络在图像与合成渲染上自动检测这些曲线及其他关键点，从而消除艺术家主观性及旨在模仿它的特设流程。更一般地，我们提出使用机器学习网络隐式定义深度能量，当使用经典优化技术最小化这些能量时，可实现三维面部姿态与表情估计。
引用
@article{arxiv.1812.02899,
title = {Deep Energies for Estimating Three-Dimensional Facial Pose and Expression},
author = {Michael Bao and Jane Wu and Xinwei Yao and Ronald Fedkiw},
journal= {arXiv preprint arXiv:1812.02899},
year = {2018}
}