基于生成对抗网络的高质量人脸表面与纹理合成
计算几何
2018-08-28 v1
摘要
在过去几十年中，人们为建模合成逼真几何数据做了许多尝试。此类模型的目标是生成合理的 3D 几何与纹理。或许其中最著名的是面部的线性 3D 可变形模型（3DMM）。这类模型位于许多计算机视觉应用的核心，例如人脸重建、识别与认证等。生成对抗网络（GANs）在模仿高维数据分布方面展现出巨大潜力。最先进的 GAN 能够执行图像到图像翻译以及听觉与图像信号合成等任务，从现有数据分布中生成合理的新样本。几何数据由于 inherently 缺乏内在参数化而通常更难处理。通过将几何数据带入对齐空间，我们能够使用通用参数化将数据映射到 2D 平面。该对齐过程允许通过图像处理工具高效处理数字扫描的几何数据。使用此方法，我们提出一种新的人脸合成模型，用于生成逼真人脸纹理及其对应几何。采用 GAN 来模仿参数化人脸纹理的空间，同时通过为每个纹理学习最佳 3DMM 系数来生成对应人脸几何。生成的纹理被映射回对应几何上以获得新生成的高分辨率 3D 人脸。
引用
@article{arxiv.1808.08281,
title = {High Quality Facial Surface and Texture Synthesis via Generative Adversarial Networks},
author = {Ron Slossberg and Gil Shamai and Ron Kimmel},
journal= {arXiv preprint arXiv:1808.08281},
year = {2018}
}
备注
Accepted to ECCV GMDL workshop 2018