王育坚,李深圳,韩静园,谭卫雄

(北京联合大学 信息学院,北京 100101)

0 引 言

近年来,三维人脸重建成为计算机视觉、图像识别等研究领域中的热点问题。三维人脸重建技术可以分为基于不同视角的多幅图像的重建和基于单幅图像的三维人脸重建。现实生活中很多场合下,往往只有一张人脸图片可用,因此,基于单幅图像的三维人脸重建受到了国内学者的重点关注。

目前,针对单幅图像的三维人脸重建,传统方法有基于模型的方法[1]、基于明暗形状恢复的方法[2]等。随着深度学习被引入到三维人脸重建领域,并且取得了比传统方法更优异的效果,而逐渐成为主流的重建方法。Jackson A S等人[3]提出使用VRN(volumetric regression networks)从单个二维图像直接进行三维面部重建的方法。Feng Y等人[4]设计了一个名为UV位置图的二维表示方法,记录UV空间中完整面部的三维形状,然后训练一个简单的卷积神经网络(convolutional neural network,CNN),从单个二维图像中回归。Chang F J等人[5]提出了直接应用于人脸图像强度,回归3D表情系数的29D 向量的ExpNet CNN模型。Tu X G等人[6]针对3D标注训练数据短缺问题,提出一种2D辅助自监督学习方法,利用带嘈杂地标信息的无约束二维人脸图像改善三维人脸模型的学习,在密集人脸对齐和三维人脸重建方面取得了突出的效果。刘成攀等人[7]提出一种基于自监督深度学习的人脸表征及三维重建方法,将二维人脸的特征点信息映射到三维空间实现三维人脸重建。

在无约束条件下,人脸的表情、姿势、纹理和内在几何存在很大差异,以上三维人脸重建方法仍然不够稳定,重建的结果出现脸部不完整、重建脸型偏向平均脸型、表情不够逼真等问题。……