FaceCom：通过优化与修复引导实现高保真三维人脸形状补全
计算机视觉与模式识别
2024-06-05 v1
摘要
我们提出了FaceCom，一种用于三维人脸形状补全的方法，可为任意形式的不完整人脸输入提供高保真结果。与基于点云或体素的端到端形状补全方法不同，我们的方法依赖于一个易于优化的基于网格的生成网络，使其能够处理不规则人脸扫描的形状补全。我们首先在一个包含2405个身份的混合三维人脸数据集上训练一个形状生成器。基于不完整的人脸输入，我们在图像修复引导下使用优化方法拟合完整人脸。补全结果通过后处理步骤进行细化。FaceCom展示了有效且自然地补全具有不同缺失区域和缺失程度的人脸扫描数据的能力。我们的方法可用于医疗假体制造和缺陷扫描数据的配准。我们的实验结果表明，FaceCom在拟合和形状补全任务中实现了卓越的性能。代码可在 https://github.com/dragonylee/FaceCom.git 获取。
引用
@article{arxiv.2406.02074,
title = {FaceCom: Towards High-fidelity 3D Facial Shape Completion via Optimization and Inpainting Guidance},
author = {Yinglong Li and Hongyu Wu and Xiaogang Wang and Qingzhao Qin and Yijiao Zhao and Yong wang and Aimin Hao},
journal= {arXiv preprint arXiv:2406.02074},
year = {2024}
}
备注
accepted to CVPR2024