基于局部图块的深度学习面部重定向
计算机视觉与模式识别
2026-01-14 v1 图形学
摘要
在数字动画时代，为虚拟角色制作逼真的面部动画的追求推动了各种重定向方法的发展。虽然在形状相似的模型之间重定向面部动作已经非常成功，但当对明显偏离人类面部结构的风格化或夸张的 3D 角色进行重定向时，出现了挑战。在这种情况下，重要的是要考虑目标角色的面部结构和可能的运动范围，以在重定向后保留原始面部动作所假设的语义。为了实现这一点，我们提出了一种基于局部图块的重定向方法，该方法将在源表演视频中捕捉到的面部动画转移到目标风格化 3D 角色上。我们的方法由三个模块组成。自动图块提取模块从源视频帧中提取局部图块。这些图块通过重演模块进行处理，以生成相应的重演目标局部图块。权重估计模块计算每一帧目标角色的动画参数，以创建完整的面部动画序列。大量实验表明，我们的方法能够成功地将源面部表情的语义转移到面部特征比例变化相当大的风格化角色上。
引用
@article{arxiv.2601.08429,
title = {Deep Learning Based Facial Retargeting Using Local Patches},
author = {Yeonsoo Choi and Inyup Lee and Sihun Cha and Seonghyeon Kim and Sunjin Jung and Junyong Noh},
journal= {arXiv preprint arXiv:2601.08429},
year = {2026}
}
备注
Eurographics 25