CN101404091B - 基于两步形状建模的三维人脸重建方法和*** - Google Patents
基于两步形状建模的三维人脸重建方法和*** Download PDFInfo
- Publication number
- CN101404091B CN101404091B CN2008102330087A CN200810233008A CN101404091B CN 101404091 B CN101404091 B CN 101404091B CN 2008102330087 A CN2008102330087 A CN 2008102330087A CN 200810233008 A CN200810233008 A CN 200810233008A CN 101404091 B CN101404091 B CN 101404091B
- Authority
- CN
- China
- Prior art keywords
- dimensional
- face
- point
- human face
- texture
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Processing Or Creating Images (AREA)
- Image Generation (AREA)
Abstract
本发明公开了一个图形图像领域中由单幅人脸照片进行三维人脸建模,获取真实感人脸的方法。该方法利用人脸结构先验知识对照片上二维特征点的深度进行估计,获取类三维坐标;以类三维特征点为控制点,采用狄利克里自由变形算法实现中性人脸向特定人脸的拟合。然后,采用一个基于区域扩张的方法实现纹理合成和映射,并对未覆盖的区域采取插值或块填充方法进行修复。本发明计算简单,建模准确度高,能快速地利用少量特征点实现单张照上人脸的三维建模,由于本发明对特征点深度的准确估计,生成的三维人脸模型在多种姿态下都具有很强的真实感。本发明还可以用于其它物体的三维重建。
Description
技术领域
本发明涉及计算机图形学、数字图像处理及人工智能等领域,具体是一种通过平面图像进行三维人脸建模的方法和***。
背景技术
现有三维人脸建模技术可大致分为基于硬件(三维扫描仪,结构光等)和基于图像建模两种方法。利用三维数字扫描仪获取人脸三维信息能够得到精确的人脸模型,但是由于硬件设备造价高、不灵活,一般只适用于某些特殊场合。因此,根据图像或者视频中的信息进行人脸个性建模的方法具有巨大的市场前景。
通过对近年技术文献检索,可以发现基于图像的人脸建模方法中比较具有代表性的是根据多视点人脸图像或视频序列,通过机器视觉算法来计算和恢复人脸特征点的三维信息,并通过对中性人脸模型的变形来合成特定三维人脸。其中包括Pighin等人在美国计算机学会计算机图形专业组98年会论文集上提出的空间散乱数据插值方法(Proceeding of ACM SIGGRAPH,1998:75-84)和Liu等人在《The Journal of Visualization and Computer Animation》,Vol.12,No.4,2001:227-240(可视化和计算机动画,第12卷,第4期,2001年:227-240页)上提出的通过角点匹配和Structure from Motion(运动重建结构)算法,后者实现了基于单个摄像头的人脸重建;为了提高建模精度,Fua等人提出用光束法(Bundle Adjustment)与人脸库相结合的方法从视频流中恢复人脸形状,该方法可以适应在光照条件的变化。但总的来说,这类基于多张图片的建模方法需要大量的人机交互来完成图像间的特征点匹配,操作复杂,且不易实现自动化。
为了简化人工操作并实现建模的自动化,近年又出现了一些基于单张图像的人脸建模算法。一般而言,在没有任何假设约束的情况下,基于单张图像的三维形状重建是一个病态问题。但是学者Blanz等人在《IEEE Transactions onPattern Analysis and Machine Intelligence》Vol.25,No.9,2003:1063-1074(IEEE模式识别与机器智能,第25卷,第9期,2003年:1063-1074页)上提出的三维形变模型克服了这个问题,他们以三维人脸库作为先验知识对人脸模型进行约束,成功地实现了基于单张图像的三维人脸自动建模。但是该模型还存在许多亟待改进的地方:迭代次数多、运算时间长是其主要不足,此外,模型匹配算法对初值依赖性强,往往会因为局部最优解而导致建模失败。在此基础上,Romdhani于2005年在论文《Face Image Analysis Using a Multiple FeatureFitting Strategy》(基于多重特征拟合方案的人脸图像分析)中采用多重特征对优化目标函数进行约束,在一定程度上缓解了形变模型的局部最优问题,但同时也导致计算更加复杂。总的来说,求解大规模非线性函数优化问题所导致的低性能是三维形变模型的根本困难,目前仍然没有得到有效的解决。
另外,近年来的一些相关的三维人脸建模专利(包括中国专利申请号200610024720.7和200610088857.9)也提供了从单张照片进行三维人脸建模的一些解决方案,但是这些***均没有考虑如何从一张照片上获取相对准确的特征点深度值,仅利用特征点的二维信息,从而影响了建模的准确度。
现有的各种人脸三维建模技术主要集中于对变形算法的改进,通过大量实验发现,在输入条件不变的情况下(仅给定照片上特定人脸的一组特征点),形变算法本身的改进对形状重建精度的提高有限。如果将单张照片上的二维人脸特征点直接用于形变算法进行三维形状重建,产生的人脸模型从其它视角上观察缺乏个性特征。这是由于单张照片上的人脸特征点的深度信息未知,直接采用二维特征点并不能有效地估计出其它顶点在深度方向上的偏移量。如果已知特征点的三维坐标,使用相同的形变算法,重建的精度可以得到大幅提高。但是,在仅有一张照片作为输入的情况下,如果不借助其它工具获取特征点的深度信息通常是不可能的。
发明内容
本发明所要解决的技术问题是设计一种能够获取准确的特征点深度值,基于单张人脸照片,快速、真实感强的人脸重建方案,以满足实际应用中对人脸建模的精度和速度两方面的需求。
本发明解决上述技术问题的技术方案是,给定一个三维人脸库作为知识库,设计一种基于两步形状建模的真实感人脸重建方法和***,具体包括,输入一张正面人脸照片;预处理模块对输入的特定人脸特征点进行标定,获得二维特征点坐标,根据三维人脸库创建中性人脸模型,三维模型编辑器对三维人脸特征点进行标定;人脸几何形状重建模块根据三维人脸库中的先验知识建立稀疏统计模型估计二维特征点的深度值,估计二维特征点的深度值,并将已知的二维坐标与深度估计值组合得到特征点的类三维(Quasi-3D,Q-3D)坐标;人脸几何形状重建模块以类三维特征点作为控制点,用狄利克里自由变形算法对中性人脸的所有顶点进行变形,生成特定人脸的几何模型;纹理合成及映射模型,采用基于区域扩张的方法合成纹理,将其映射到几何模型,对非特征区域进行扩张以增加人脸图像覆盖的范围,将扩张后的图像进行垂直投影,对几何顶点上未被纹理覆盖的区域采用插值或块填充方法进行修复,完成三维人脸的纹理映射,生成三维人脸模型。
本发明不需要多幅输入照片,无需特征点的匹配等复杂过程,而且用于特定人脸建模所需的特征点数目不多,因此具有实时快速、计算简单,建模准确度高等优点。实现结果表明,在少量特征点的情况下,本发明能够生成真实感较好的三维人脸模型;借助三维人脸模型,可以合成不同姿态、不同光照条件下具有真实感的人脸图像,具备较强的应用价值。
附图说明
图1本发明基于两步形状建模的三维人脸重建***的框架图
图2两步人脸形状建模方案的流程图
图3基于单张照片的纹理合成过程
图4空白点p0相邻8个方向的示意图
图5是根据本发明方法完成的基于单张照片的人脸三维重建结果示例
具体实施方式
本发明提出以人脸形状统计模型为工具,构建三维人脸重建***,利用人脸库中人脸模型上相应特征点的空间分布知识,对照片上特定人脸的特征点的深度值进行估计。根据这一思想,本发明提出一个两步人脸形状建模(Two-stepFacial Shape Modeling,TSFSM)方案——首先根据人脸特征点建立训练库的稀疏统计模型,然后用优化算法估计出测试人脸特征的深度值,并将已知的二维坐标与深度估计值组合得到特征点的类三维(Quasi-3D,Q-3D)坐标(将其称之为类三维坐标是因为真实三维坐标值是未知的);然后,将Q-3D特征点输入形变算法对整个形状进行重建,创建特定人脸的三维形状;最后,对人脸几何模型进行基于单张照片的纹理映射。实验结果表明,由于本发明合理地利用了人脸结构知识,通过单张图片上的少量特征点仍然可以重建出真实感较好的三维人脸模型。
下面针对附图和具体实施例对本发明的实施进行具体描述。
如图1所示为本发明三维人脸重建***的示意框图。该***包括:预处理模块、人脸几何形状重建模块和纹理映射模块。
(1)预处理模块
预处理模块根据三维人脸库创建中性人脸模型、获取二维人脸照片和三维中性人脸的主要特征点,中性人脸模型由多个三角片构成。在本发明中,中性人脸f通过三维人脸库中的人脸fi进行合成:
其中,m是人脸库中三维人脸模型的数目,通常男女性各占一半,将中性人脸划分为多个空间顶点,并用三维网格的形式来组织空间点。在本发明实施例中选择10个用于建模的特征点,包括眉毛外角2个,眼角2个、鼻尖1个、嘴部4个、下巴1个(注:不同实施例可以有所不同,均适用于本发明的方法)。对于二维特征点采取主动形状模型(ASM)标定并进行手动微调,因为特征点数目不多,故非常易于实现。三维模型编辑器实现中性人脸上的三维特征点标定,用户在屏幕上随机选择一个点,三维模型编辑器以该点向无穷远处发射一条射线,然后搜索中性人脸上与该射线相交的三角片,最后选择该三角片上与交点最近的顶点作为用户所选择的三维特征点。因中性人脸三维模型是固定的,故在特征点不变的情况下,只需要进行一次三维特征点的标定、保存即可完成三维特征点的选择。
(2)人脸几何形状重建模块
采用两步人脸形状建模方案(TSFSM)。首先估计输入照片上二维特征点的深度值,所有特征点作为一个整体,将其组合成一个稀疏的形状向量。然后,采用一个优化算法对稀疏线性模型进行系数求解,并对缺失的数据(即所有特征点的z值)进行统一估计。
如图2所示为本发明两步人脸形状建模方案的流程图,图中:第1步,估计二维特征点的深度值,构造类三维坐标特征点;第2步,根据类三维特征点用形变算法实现特定人脸的形状重建。
具体过程如下:
已知输入人脸照片上及人脸库中三维中性人脸上对应的k个特征点的情况下,将三维中性人脸上的特征点线性组合构造一个稀疏形状向量 令S=(s1,…,为三维人脸库所有稀疏形状向量的集合,其中m是库中三维人脸的数目。对S进行主成分(PCA)变换后,得到一组特征值(σ1,…,σm')和特征向量(q1,…,qm'),根据PCA原理,可以用缩放后的特征矩阵Qs=(σ1q1,…,σm'qm')建立如下所示的稀疏线性模型来估计任意稀疏形状向量,
sest=s+Qs·β=s+Δs
其中,特征矩阵Qs是已知的,β是估计特征点坐标的组合系数,也是估计人脸特征值坐标的关键。本发明根据已知的二维特征点坐标建立目标函数,通过计算极值得到最优解β0,获得到全部特征点的所有坐标的估计值sest:
根据SVD分解可知, 其中是Qs的二维版本,通过取Qs中对应于(x,y)分量的行构成的稀疏特征矩阵,η是调节系数(η等于0时,β0取值等于用最小二乘法直接求解;当η远大于0时,β0趋近于0),本实施例中取0.1。同理,Δs2D是由输入的二维照片上特征点的二维坐标与中性人脸三维特征点的(x,y)分量的差值所构成的稀疏矩阵。将β0代入稀疏线性模型可以得到全部特征点的所有坐标的估计值sest,将已知的二维特征点坐标(即输入照片上所标定的特征点位置)与sest中所估计的顶点深度值进行组合生成二维特征点的Q-3D坐标。在获取了二维特征点的Q-3D坐标后,就可以进行中性人脸向特定人脸的拟合。首先,将中性人脸上的特征点按照Q-3D坐标进行调整,然后采用狄利克里自由变形(DFFD)算法对其它非特征点进行调整。DFFD的特点是具有较好的局部性、平滑性,因此,本发明可以生成个性明显、光滑的三维人脸几何模型。
(3)纹理映射模块
纹理映射模块根据所输入的单张人脸照片创建三维人脸的纹理图像。对三维人脸几何模型进行纹理映射,可以弥补几何模型的不足,提高人脸的真实感。如果直接将一张正面人脸照片投影到三维模型上,那么脸颊等边缘部分的许多顶点将不能被覆盖到,本发明先根据人脸的主要特征点(如眼角2个、鼻尖1个、嘴部4个)将人脸进行分割,然后对非特征区域进行扩张以增加人脸图像覆盖的范围,创建三维人脸的纹理图。以下以一具体实例为例进行具体描述。
如图3前2张图片所示,在一张正面人脸照片上,将人脸的三个主要特征区域——眼睛和眉毛、鼻子、嘴巴等根据特征点分割出来。另外,找到这些区域在三维人脸形状模型上对应的区域,通过线性插值方法找到二维图像像素与三维顶点之间的对应关系,从而获得三维顶点的颜色值。
由于人脸照片通常都有背景,对于非特征区域,三维顶点与二维像素之间就不能找到直接的对应关系。为了增加人脸图像的覆盖面积,本发明首先把非特征区域进行扩张以生成纹理图,结果如图3第4张子图所示。然后,我们用三维形状模型非特征区域上顶点的法向量来判断该顶点是否被遮挡,从而判断是否用图像上对应像素的颜色值对其进行着色:
令顶点vi(xi,yi,zi)的法向量为ni,Ai是该点法向量与Z轴正方向之间的夹角,设定阈值t1(本实施例中t1取70度),如果Ai≤t1,将像素的颜色值赋予顶点vi;反之,将vi的颜色值设置为空。对于所有颜色值为空的顶点,我们采用阈值t2选择基于块填充方法或插值法进行空白点的填充。
基于块填充方法进行空白点的填充的步骤包括,令以空白点为中心的子方块(例如大小可为5*5)为pat0,然后在整个纹理图上搜寻与该子块颜色值最接近的子块,将该子块的颜色整体赋值给pat0,则阈值
插值法的过程包括:令p0为一个空白点,插值法则通过p0周围顶点的颜色值进行插值计算,计算需要填充的空白点的插值颜色:
很明显,上式就是通过加权求和计算插值颜色。其中,n=8是指与p0相邻的8个方向,如图4所示,权值λ大小与p0同周围顶点的距离成反比。
在本发明的实施例中,首先用TSFSM根据人脸10个主要特征点进行形状重建,其中形变算法采用DFFD;然后进行基于单张照片的纹理映射,对三维人脸几何模型进行纹理映射,以弥补几何模型的不足。如图5是采用本发明方法对一组真实人脸照片的重建结果。第1部分是输入的人脸照片及其特征点,第2部分是拟合的形状点在原始图片上投影图,可以看到估计的三维点能够较好地与原始相片拟合;第3部分是重建的三维人脸正面、侧面图;第4部分演示了通过三维人脸与原始照片合成新姿态照片的过程。通过对这些人脸照片的重建,可以看到,采用本发明重建出的三维人脸模型在一定角度内具有非常逼真效果。同样地,通过建立其它物体的统计模型,本发明还可以用于这些物体的三维重建。
Claims (7)
1.一种基于两步形状建模方案的真实感人脸重建方法,其特征在于,包括如下步骤:
(1)输入一张正面人脸照片,对输入的特定人脸特征点进行标定,获得二维特征点坐标;
(2)根据三维人脸库创建由多个三角片构成的中性人脸模型,在屏幕上选择一个点,三维模型编辑器以该点向无穷远处发射一条射线,搜索中性人脸模型上与该射线相交的三角片,选择该三角片上与交点最近的顶点作为所标定的三维特征点;
(3)根据三维人脸库中所有人脸模型的相应特征点构成稀疏形状向量,根据二维特征点的分布计算组合系数,从而估计二维特征点的深度值;将二维特征点坐标与估计的深度值进行组合,构建特征点的类三维坐标;
(4)以类三维特征点作为控制点,用狄利克里自由变形算法对中性人脸的所有顶点进行变形,生成特定人脸的几何模型;
(5)纹理合成及映射模块首先根据输入的人脸照片合成纹理图,然后将纹理图投影到几何模型上;
(6)对几何顶点上未被纹理覆盖的区域进行插值或块填充,完成纹理映射,生成三维人脸模型。
2.如权利要求1所述的方法,其特征在于,所述步骤(5)进一步具体包括,根据人脸主要特征点将人脸进行分割,对非特征区域按照人脸比例进行扩张以增加人脸图像覆盖的范围,从而合成人脸模型的纹理图。
3.如权利要求1所述的方法,其特征在于,所述步骤(6)进一步具体包括,以未被纹理覆盖着色的顶点为中心构造小块,如果小块未被纹理图着色的顶点数目高于总数的一半,则从周围选择颜色最接近的小块对此块进行整体填充着色,否则用插值的方法来完成该顶点的着色。
4.如权利要求1或3所述的方法,其特征在于,所述插值为将未被纹理覆盖区域的颜色值通过加权求和计算需要填充的空白点的插值颜色。
5.一种基于两步形状建模的真实感人脸重建***,其特征在于,输入一张正面人脸照片,预处理模块对输入的特定人脸特征点进行标定,获得二维特征点坐标,根据三维人脸库创建由多个三角片构成的中性人脸模型,在屏幕上选择一个点,三维模型编辑器以该点向无穷远处发射一条射线,搜索中性人脸模型上与该射线相交的三角片,选择该三角片上与交点最近的顶点作为所标定的三维特征点;人脸几何形状重建模块根据三维人脸库中所有人脸模型的相应特征点构成稀疏形状向量,根据二维特征点的分布计算组合系数,从而估计二维特征点的深度值,将二维特征点坐标与估计的深度值进行组合,构建特征点的类三维坐标,以类三维特征点作为控制点,用狄利克里自由变形算法对中性人脸的所有顶点进行变形,生成特定人脸的几何模型;纹理合成及映射模块,对非特征区域进行扩张以增加人脸图像覆盖的范围,将扩张后的图像进行垂直投影,对几何顶点上未被纹理覆盖的区域进行修复,完成三维人脸的纹理映射,生成三维人脸模型。
6.如权利要求5所述的真实感人脸重建***,其特征在于,纹理合成及映射模块采用插值和块填充方法对未被纹理覆盖的区域进行修复。
7.如权利要求6所述的真实感人脸重建***,其特征在于,所述插值为将未被纹理覆盖区域的颜色值通过加权求和计算需要填充的空白点的插值颜色。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2008102330087A CN101404091B (zh) | 2008-11-07 | 2008-11-07 | 基于两步形状建模的三维人脸重建方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2008102330087A CN101404091B (zh) | 2008-11-07 | 2008-11-07 | 基于两步形状建模的三维人脸重建方法和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101404091A CN101404091A (zh) | 2009-04-08 |
CN101404091B true CN101404091B (zh) | 2011-08-31 |
Family
ID=40538095
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2008102330087A Expired - Fee Related CN101404091B (zh) | 2008-11-07 | 2008-11-07 | 基于两步形状建模的三维人脸重建方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101404091B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108109116A (zh) * | 2017-12-14 | 2018-06-01 | 大连理工大学 | 以bscb模型为基础的图像修复算法 |
Families Citing this family (41)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102428501A (zh) * | 2009-09-18 | 2012-04-25 | 株式会社东芝 | 图像处理装置 |
CN102054291A (zh) * | 2009-11-04 | 2011-05-11 | 厦门市美亚柏科信息股份有限公司 | 一种基于单幅人脸图像实现三维人脸重建的方法及其装置 |
JP5463866B2 (ja) * | 2009-11-16 | 2014-04-09 | ソニー株式会社 | 画像処理装置および画像処理方法、並びにプログラム |
CN101916454B (zh) * | 2010-04-08 | 2013-03-27 | 董洪伟 | 基于网格变形和连续优化的高分辨率人脸重建方法 |
CN101931825B (zh) * | 2010-09-03 | 2012-02-08 | 南京大学 | 一种自由视角视频流中3d目标显示方法 |
CN102222363B (zh) * | 2011-07-19 | 2012-10-03 | 杭州实时数码科技有限公司 | 从人脸图像快速构建高精度个性化人脸模型的方法 |
CN102426712B (zh) * | 2011-11-03 | 2014-07-16 | 中国科学院自动化研究所 | 一种基于两幅图像的三维头部建模方法 |
CN102508910A (zh) * | 2011-11-11 | 2012-06-20 | 大连理工大学 | 基于多哈希表映射误差最小化的图像检索方法 |
US20140198177A1 (en) * | 2013-01-15 | 2014-07-17 | International Business Machines Corporation | Realtime photo retouching of live video |
CN103473804A (zh) * | 2013-08-29 | 2013-12-25 | 小米科技有限责任公司 | 一种图像处理方法、装置和终端设备 |
CN104077804B (zh) * | 2014-06-09 | 2017-03-01 | 广州嘉崎智能科技有限公司 | 一种基于多帧视频图像构建三维人脸模型的方法 |
CN106033621B (zh) * | 2015-03-17 | 2018-08-24 | 阿里巴巴集团控股有限公司 | 一种三维建模的方法及装置 |
CN104794728B (zh) * | 2015-05-05 | 2017-09-19 | 成都元天益三维科技有限公司 | 由多幅图像重构人脸实时三维数据的方法 |
CN104966316B (zh) | 2015-05-22 | 2019-03-15 | 腾讯科技(深圳)有限公司 | 一种3d人脸重建方法、装置及服务器 |
CN104899326A (zh) * | 2015-06-19 | 2015-09-09 | 四川大学 | 一种基于二进制多索引哈希技术的图像检索方法 |
CN105184860A (zh) * | 2015-09-30 | 2015-12-23 | 南京邮电大学 | 一种动态人脸稠密三维结构和运动场同时重建方法 |
CN106652037B (zh) * | 2015-10-30 | 2020-04-03 | 深圳超多维光电子有限公司 | 一种人脸贴图处理方法及装置 |
CN106021550B (zh) * | 2016-05-27 | 2020-06-26 | 湖南拓视觉信息技术有限公司 | 一种发型设计方法和*** |
CN106127147B (zh) * | 2016-06-23 | 2019-07-26 | 深圳市唯特视科技有限公司 | 一种基于三维数据的人脸深度纹理修复方法 |
CN106469465A (zh) * | 2016-08-31 | 2017-03-01 | 深圳市唯特视科技有限公司 | 一种基于灰度和深度信息的三维人脸重建方法 |
CN106920274B (zh) * | 2017-01-20 | 2020-09-04 | 南京开为网络科技有限公司 | 移动端2d关键点快速转换为3d融合变形的人脸建模方法 |
CN107590452A (zh) * | 2017-09-04 | 2018-01-16 | 武汉神目信息技术有限公司 | 一种基于步态与人脸融合的身份识别方法及装置 |
CN109978984A (zh) * | 2017-12-27 | 2019-07-05 | Tcl集团股份有限公司 | 人脸三维重建方法及终端设备 |
US10643375B2 (en) * | 2018-02-26 | 2020-05-05 | Qualcomm Incorporated | Dynamic lighting for objects in images |
CN108492373B (zh) * | 2018-03-13 | 2019-03-08 | 齐鲁工业大学 | 一种人脸浮雕几何建模方法 |
CN110276825A (zh) * | 2018-03-15 | 2019-09-24 | 南京大学 | 一种基于模版形变的三维人脸重建方法 |
CN108876837B (zh) * | 2018-04-19 | 2021-09-14 | 宁波大学 | 一种基于l1/2正则化的三维人体姿态重构方法 |
CN108564619B (zh) * | 2018-04-25 | 2021-05-14 | 厦门大学 | 一种基于两张照片的真实感三维人脸重建方法 |
CN110544311B (zh) * | 2018-05-29 | 2023-04-25 | 百度在线网络技术(北京)有限公司 | 安全警示方法、装置及存储介质 |
CN109064542B (zh) * | 2018-06-06 | 2019-11-19 | 贝壳找房(北京)科技有限公司 | 三维模型表面空洞填补方法和装置 |
CN110866864A (zh) * | 2018-08-27 | 2020-03-06 | 阿里巴巴集团控股有限公司 | 人脸姿态估计/三维人脸重构方法、装置及电子设备 |
EP3859681A4 (en) * | 2018-09-29 | 2021-12-15 | Zhejiang University | METHOD FOR GENERATING FACIAL ANIMATION FROM AN INDIVIDUAL IMAGE |
CN109448083B (zh) * | 2018-09-29 | 2019-09-13 | 浙江大学 | 一种从单幅图像生成人脸动画的方法 |
CN109598188A (zh) * | 2018-10-16 | 2019-04-09 | 深圳壹账通智能科技有限公司 | 信息推送方法、装置、计算机设备和存储介质 |
CN111179332B (zh) * | 2018-11-09 | 2023-12-19 | 北京市商汤科技开发有限公司 | 图像处理方法及装置、电子设备及存储介质 |
CN109447043A (zh) * | 2018-12-23 | 2019-03-08 | 广东腾晟信息科技有限公司 | 一种人脸自动建模方法 |
CN109829486B (zh) * | 2019-01-11 | 2021-05-28 | 新华三技术有限公司 | 图像处理方法和装置 |
CN110428491B (zh) * | 2019-06-24 | 2021-05-04 | 北京大学 | 基于单帧图像的三维人脸重建方法、装置、设备及介质 |
WO2021063271A1 (zh) * | 2019-09-30 | 2021-04-08 | Oppo广东移动通信有限公司 | 人体模型重建方法、重建***及存储介质 |
CN111160232B (zh) * | 2019-12-25 | 2021-03-12 | 上海骏聿数码科技有限公司 | 正面人脸重建方法、装置及*** |
CN112086193A (zh) * | 2020-09-14 | 2020-12-15 | 巢自强 | 一种基于物联网的人脸识别健康预测***及方法 |
-
2008
- 2008-11-07 CN CN2008102330087A patent/CN101404091B/zh not_active Expired - Fee Related
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108109116A (zh) * | 2017-12-14 | 2018-06-01 | 大连理工大学 | 以bscb模型为基础的图像修复算法 |
Also Published As
Publication number | Publication date |
---|---|
CN101404091A (zh) | 2009-04-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101404091B (zh) | 基于两步形状建模的三维人脸重建方法和*** | |
CN110458939B (zh) | 基于视角生成的室内场景建模方法 | |
CN108921926B (zh) | 一种基于单张图像的端到端三维人脸重建方法 | |
Vogel et al. | Piecewise rigid scene flow | |
CN101916454B (zh) | 基于网格变形和连续优化的高分辨率人脸重建方法 | |
CN109544677A (zh) | 基于深度图像关键帧的室内场景主结构重建方法及*** | |
CN106910242A (zh) | 基于深度相机进行室内完整场景三维重建的方法及*** | |
CN108876814B (zh) | 一种生成姿态流图像的方法 | |
CN109035388A (zh) | 三维人脸模型重建方法及装置 | |
CN110288695A (zh) | 基于深度学习的单帧图像三维模型表面重建方法 | |
Agresti et al. | Deep learning for confidence information in stereo and tof data fusion | |
CN103400409A (zh) | 一种基于摄像头姿态快速估计的覆盖范围3d可视化方法 | |
CN110378349A (zh) | Android移动端室内场景三维重建及语义分割方法 | |
CN112785692B (zh) | 一种基于深度uv先验的单视角多人人体重建方法 | |
CN107358645A (zh) | 产品三维模型重建方法及其*** | |
CN112530005B (zh) | 一种三维模型直线结构识别与自动修复方法 | |
WO2018080533A1 (en) | Real-time generation of synthetic data from structured light sensors for 3d object pose estimation | |
CN106127818A (zh) | 一种基于单幅图像的材质外观获取***及方法 | |
Häne et al. | Hierarchical surface prediction | |
Ye et al. | 3d morphable face model for face animation | |
Takemura et al. | Diminishing head-mounted display for shared mixed reality | |
Wu et al. | Photogrammetric reconstruction of free-form objects with curvilinear structures | |
CN112002019B (zh) | 一种基于mr混合现实的模拟人物阴影的方法 | |
Aleksandrova et al. | 3D face model reconstructing from its 2D images using neural networks | |
CN110599587A (zh) | 一种基于单张图像的3d场景重构技术 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20110831 Termination date: 20141107 |
|
EXPY | Termination of patent right or utility model |