基于物理的面部属性生成学习
计算机视觉与模式识别
2020-04-27 v2
摘要
基于一个包含4000个高分辨率面部扫描的组合数据集，我们引入了一个非线性可变形人脸模型，能够生成毛孔级分辨率的多变人脸几何，并附带用于基于物理的渲染的材质属性。我们旨在最大化人脸身份的多样性，同时增强独特组件之间的对应鲁棒性，包括中频几何、反照率图、镜面强度图和高频位移细节。我们基于深度学习的生成模型学习关联反照率与几何，从而确保生成资产的解剖学正确性。我们展示了我们的生成模型在新身份生成、模型拟合、插值、动画、高保真数据可视化和低到高分辨率数据域迁移中的潜在用途。我们希望该生成模型的发布将鼓励图形学、视觉和所有以数据为中心的专业人员之间进一步的合作，同时展示每个人完整生物特征档案的累积价值。
引用
@article{arxiv.2004.03458,
title = {Learning Formation of Physically-Based Face Attributes},
author = {Ruilong Li and Karl Bladin and Yajie Zhao and Chinmay Chinara and Owen Ingraham and Pengda Xiang and Xinglei Ren and Pratusha Prasad and Bipin Kishore and Jun Xing and Hao Li},
journal= {arXiv preprint arXiv:2004.03458},
year = {2020}
}
备注
12 pages, 16 figures