EMS：基于单视图图像的 3D 眉毛建模

眉毛在面部表情与外观中起着关键作用。尽管人脸的 3D 数字化已被充分研究，3D 眉毛建模却较少受到关注。本文中，我们提出 EMS，首个基于学习的单视图 3D 眉毛重建框架。遵循头皮毛发重建的方法，我们同样将眉毛表示为一组纤维曲线，并将重建转化为纤维生长问题。随后精心设计了三个模块：RootFinder 首先定位纤维根位置以指示生长起点；OriPredictor 预测 3D 空间中的方向场以引导纤维生长；FiberEnder 用于确定每根纤维何时停止生长。我们的 OriPredictor 直接借用毛发重建中的方法。考虑到毛发与眉毛的差异，RootFinder 与 FiberEnder 均为新提出。具体而言，为应对根位置被严重遮挡的挑战，我们将根定位表述为密度图估计任务。给定预测密度图后，进一步使用基于密度的聚类方法寻找根。每根纤维从根点开始逐步生长直至结束，其中每一步根据预测方向场定义为定长定向线段。为确定何时结束，设计了一种像素对齐的 RNN 架构作为二分类器，对每步生长输出停止与否。为支持所有提出网络的训练，我们构建了首个 3D 合成眉毛数据集，包含由艺术家手动创建的 400 个高质量眉毛模型。大量实验证明了所提 EMS 流程在多种不同眉型与长度（从短而稀疏到长而浓密）上的有效性。