CNN-3DMM extimation(0.9235)

2018/01/12 21:00
阅读数 95

当在真实场景中应用3d模拟来增加人脸识别精度,存在两类问题:要么3d模拟不稳定,导致同一个个体的3d模拟差异较大;要么过于泛化,导致大部分合成的图片都累死。因此作者研究了一种鲁棒的三维可变人脸模型(3D morphable face models(3DMM))生成方法。他们采用了卷积神经网络(CNN) 根据输入照片来调节三维人脸模型的脸型和纹理参数。该方法可以生成大量的标记样本。该方法在MICC数据集上进行了测试,准确度为state of the art。与3d-3d人脸比对流程相结合,作者在LFWYTFIJB-A数据集上与当前最好成绩持平。文章的关键点有两个:3D重建模型训练数据获取;3D重建模型训练


本文分享自微信公众号 - 瓜大三哥(xiguazai_tortoise)。
如有侵权,请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”,欢迎正在阅读的你也加入,一起分享。

展开阅读全文
打赏
0
0 收藏
分享
加载中
更多评论
打赏
0 评论
0 收藏
0
分享
返回顶部
顶部