从稀疏标记器进行面部重建的高分辨率数据的局部几何索引

科学领域:

• 计算机图形 计算机图形
• 机器学习 机器学习
• 动作捕捉是一种动作捕捉技术.

背景情况:

• 稀少的移动捕捉标记数据在平衡模型复杂性和数据保真方面提出了挑战.
• 传统的方法,如混合型模型风险过,而光滑限制可能导致过.
• 越来越多的高分辨率数据集的可用性为移动捕捉提供了新的机会.

研究的目的:

• 开发一种用于稀疏运动捕获数据的新方法,避免过度和不足的问题.
• 使用高分辨率数据集,找到准确适合单个运动捕捉标记器的局部几何形状.
• 用物理模拟数据来增强数据集,这些数据符合与现实数据相同的多元组.

主要方法:

• 该方法不适应参数化模型或插曲表面,而是在高分辨率数据集中搜索匹配的实例.
• 这种方法利用了大量的数据,这是机器学习的关键原则.
• 数据集的增强是使用旨在生成与原始高分辨率数据集相同的多元组的数据的有针对性的物理模拟来执行的.

主要成果:

• 拟议的方法有效地解决了稀疏动作捕捉中的过度装配/不足装配困境.
• 通过将标记与高分辨率数据中的局部几何相匹配,可以实现更准确的重建.
• 模拟数据生成增强了数据集,提高了安装过程的稳定性.

结论:

• 这种数据驱动的方法为传统的稀疏运动捕捉方法提供了一个有希望的替代方案.
• 利用大型数据集和有针对性的模拟可以提高动作捕捉的准确性和细节性.
• 该方法的成功凸显了计算机图形和动画中多元对齐数据增强的潜力.