通过合成数据集创建流程增强 3DMM 属性控制
计算机视觉与模式识别
2020-12-14 v2 图形学
摘要
尽管借助生成对抗网络（GANs）对 2D 图像进行面部属性操控因其诸多实际用途已在计算机视觉与图形学中变得常见，但关于 3D 属性操控的研究相对滞后。现有 3D 属性操控方法存在局限，因为它们将相同的语义变化应用于每个 3D 人脸。开发更优 3D 属性控制方法的关键挑战在于缺乏配对训练数据——即其中一个属性改变而其他属性保持不变，例如一对 3D 人脸，其中一个为男性另一个为女性，但所有其他属性（如种族与表情）相同。为克服该挑战，我们设计了一种新颖的流程，通过利用 GANs 的能力来生成配对 3D 人脸。在此流程之上，我们进而提出一种增强的非线性 3D 条件属性控制器，与现有方法相比提升了 3D 属性控制的精度与多样性。我们通过定量与定性评估证明了我们数据集创建流程的有效性以及条件属性控制器的优越性能。
引用
@article{arxiv.2011.12833,
title = {Enhanced 3DMM Attribute Control via Synthetic Dataset Creation Pipeline},
author = {Wonwoong Cho and Inyeop Lee and David Inouye},
journal= {arXiv preprint arXiv:2011.12833},
year = {2020}
}