SIDER：用于面部几何细节恢复的单图像神经优化方法
计算机视觉与模式识别
2021-08-13 v1
摘要
我们提出SIDER（用于面部几何细节恢复的单图像神经优化，Single-Image neural optimization for facial geometric DEtail Recovery），一种新颖的光度优化方法，以无监督方式从单幅图像中恢复精细面部几何。受由粗到细优化的经典技术与近期3D形状隐式神经表示进展的启发，SIDER结合基于统计模型和符号距离函数（SDFs）的几何先验，从单幅图像恢复面部细节。首先，它使用表示为SDF的可变形模型估计粗几何。接着，它通过相对于真实图像优化光度损失来重建面部几何细节。与先前工作不同，SIDER不依赖任何数据集先验，也不需要来自多视图、光照变化或真实3D形状的额外监督。大量定性与定量评估表明，我们的方法仅使用单幅自然场景图像，在面部几何细节恢复上达到了最先进水平（SOTA）。
引用
@article{arxiv.2108.05465,
title = {SIDER: Single-Image Neural Optimization for Facial Geometric Detail Recovery},
author = {Aggelina Chatziagapi and ShahRukh Athar and Francesc Moreno-Noguer and Dimitris Samaras},
journal= {arXiv preprint arXiv:2108.05465},
year = {2021}
}
备注
version 1.0.0