基于三维可变形模型重建可辨识的三维人脸形状
计算机视觉与模式识别
2021-12-28 v2 图形学
摘要
许多近期工作通过聚合同一身份的形状参数并基于参数化模型（例如三维可变形模型（3DMMs））分离不同人的参数，重建了具有区分性的三维人脸形状。然而，尽管使用这些形状参数在人脸识别任务中精度很高，但从这些参数重建的人脸形状的视觉区分性却不令人满意。先前工作未回答以下研究问题：有区分性的形状参数是否能保证所表示的三维人脸形状在视觉上具有区分性？本文分析了形状参数与重建形状几何之间的关系，并提出了一种新颖的形状身份感知正则化（SIR）损失用于形状参数，旨在提升形状参数域和形状几何域两方面的可区分性。此外，为应对缺乏同时包含 landmark 和身份标注的训练数据，我们提出了一种网络结构及相关的训练策略，以利用仅含身份或 landmark 标签的混合数据。我们在重建误差、视觉可区分性以及形状参数的人脸识别精度方面将我们的方法与现有方法进行比较。实验结果表明，我们的方法优于最先进的方法。
引用
@article{arxiv.2104.03515,
title = {Reconstructing Recognizable 3D Face Shapes based on 3D Morphable Models},
author = {Diqiong Jiang and Yiwei Jin and Fanglue Zhang and Yukun Yai and Risheng Deng and Ruofeng Tong and Min Tang},
journal= {arXiv preprint arXiv:2104.03515},
year = {2021}
}