稠密 3D 人脸对应
计算机视觉与模式识别
2019-08-16 v2
摘要
我们提出了一种算法，可自动在大量 3D 人脸之间建立稠密对应关系。该算法从自动检测到的 3D 人脸外边界上的稀疏对应点出发，对现有对应点进行三角剖分，并通过沿三角形边缘匹配具有显著表面曲率的点来迭代扩展对应关系。在耗尽关键点匹配后，通过在大型三角形的质心处演化水平集测地线 (level set geodesic curves) 生成三角形内均匀分布的点，从而建立进一步的对应关系。基于稠密对应的人脸构建了可变形模型 (K3DM)，并提出了一种将 K3DM 形变以拟合未见人脸的算法。该算法在刚性对齐未见人脸与可变形模型的正则化形变之间迭代进行。我们在合成数据以及来自 FRGCv2、Bosphorus、BU3DFE 和 UND Ear 数据库的真实 3D 人脸上，利用定量和定性基准对所提算法进行了广泛评估。我们的算法在合成人脸上实现了平均定位误差为 1.28mm 的稠密对应，并在 FRGCv2 数据库的未见真实人脸上以 3mm 精度检测出 个人体测量 landmarks。此外，我们的可变形模型拟合算法在 FRGCv2 上达到了 98.5% 的人脸识别准确率，在 Bosphorus 数据库上达到了 98.6%。我们的稠密模型还能泛化至未见数据集。
关键词
引用
@article{arxiv.1410.5058,
title = {Dense 3D Face Correspondence},
author = {Syed Zulqarnain Gilani and Ajmal Mian and Faisal Shafait and Ian Reid},
journal= {arXiv preprint arXiv:1410.5058},
year = {2019}
}
备注
24 Pages, 12 Figures, 6 Tables and 3 Algorithms