一种轻量级单眼3D面部重建方法,基于改进的3D形态模型
Xingyi You1,2, Yue Wang1,2, Xiaohu Zhao1,2
1National and Local Joint Engineering Laboratory of Internet Applied Technology on Mines, China University of Mining and Technology, Xuzhou 221008, China.
Sensors (Basel, Switzerland)
|August 12, 2023
概括
本研究介绍了Mobile-FaceRNet,这是一个高效和轻量级的网络,用于3D面部重建. 它实现了高保真面部纹理生成,提高了速度和稳定性,克服了现有的3D形态模型方法的局限性.
科学领域:
- 计算机视觉 计算机视觉
- 3D 图形 3D 图形
- 机器学习 机器学习
背景情况:
- 基于3D形态模型 (3DMM) 的方法在单图像3D面部重建和纹理生成方面表现出色.
- 深度卷积神经网络增强了纹理生成,但增加了计算负担并降低了速度.
- 现有的轻量级网络为了速度而牺牲了重建准确性.
研究的目的:
- 开发一个高效和轻量级的网络,用于高准确度的3D面部重建.
- 为了提高3DMM参数拟合的计算速度,而不会影响准确度.
- 为了增强对姿势变化和遮的坚固性.
主要方法:
- 拟议的Mobile-FaceRNet,将深度可分离的卷积和3DMM参数适配的多尺度表示相结合.
- 整合了一个剩余注意模块,以关注高保真纹理重建的关键特征.
- 设计了一种新的感知损失函数,以强制执行光滑性和图像相似性约束.
主要成果:
- 移动FaceRNet通过轻量级架构实现了高精度的3D面部重建.
- 与传统的深度学习方法相比,该方法显示了更好的计算速度.
- 实验结果证实了对变异和遮的强度.
结论:
- 移动FaceRNet为快速准确的3D面部重建提供了一个平衡的解决方案.
- 拟议的网络推进了单图像3D面部建模的最先进技术.
- 这种方法适用于需要高效和强大的面部重建的应用.


