用于三维人脸的神经生成模型及其在无纹理三维人脸识别中的应用
计算机视觉与模式识别
2018-11-13 v1
摘要
在三维人脸验证中使用异构深度相机和三维扫描仪会导致三维点云分辨率的变化。为解决此问题，以往研究使用三维配准技术。在这些提出的技术中，给定数据属于同一人时，检测对应点被证明是一种高效方法。然而，如果数据属于不同人，配准算法可能将一个人的三维点云转换为另一个人的，破坏两个点云之间的区分特征。另一个问题是关于点云的存储大小。即，如果捕获的深度图像对单个人单个姿态包含约五万个点云点，那么整个数据集的存储大小将达到吉字节甚至太字节量级。基于这些动机，本工作引入一种使用神经建模系统生成三维点云的新技术，以处理异构深度相机引起的差异，并生成新的人脸规范紧凑表示。所提系统减小了存储的三维数据集大小，并且如果需要，可提供准确的数据集再生。此外，系统为所有库点云生成神经模型并存储这些模型以在识别或验证过程中表示人脸。对于待验证的探针云，专门为该特定云生成新模型，并与预存储的库模型表示进行匹配以识别查询云。本工作还引入了在三维人脸验证中使用生成模型表示作为深度网络原始数据的连体深度神经网络，并表明训练网络的精度与Bosphorus数据集上所有已发表结果相当。
引用
@article{arxiv.1811.04358,
title = {Neural Generative Models for 3D Faces with Application in 3D Texture Free Face Recognition},
author = {Ahmed ElSayed and Elif Kongar and Ausif Mahmood and Tarek Sobh and Terrance Boult},
journal= {arXiv preprint arXiv:1811.04358},
year = {2018}
}