3D【4】人臉重建:Large Pose 3D Face Reconstruction from a Single Image via Direct Volumetric
該論文主要是用CNN直接重建3D人臉,而不是預測3DMM模型的引數,網路結構是漏斗網路(
HG)。論文提出了三種方案,第一種是直接從圖片重建,第二種是加入了人臉特徵點,第三種是多工(重建+人臉特徵點預測)。效果最好的是第二種方法。
值得注意的是,該論文不是直接預測頂點的x、y、z座標。而是將mesh轉成voxel,變成一個192*192*200的矩陣。這樣就比較適合CNN。我們先看看mesh和voxel的區別:下面的第一張圖是mesh,可以看出就是一個曲面;第二張是voxel,可以看出人臉是由很多個立方體構成的。
作者給出了voxel轉成obj的指令碼,執行出來是這樣的:
這是一個封閉的曲面。這就有個問題了,由CNN預測出來的3D人臉的頂點是不固定的,也就是我們還需要進行一步對齊,將一個固定頂點的模板對齊到CNN預測出來的3D人臉。
mesh轉voxel可以用binvox這個工具。
相關推薦
3D【4】人臉重建:Large Pose 3D Face Reconstruction from a Single Image via Direct Volumetric
該論文主要是用CNN直接重建3D人臉,而不是預測3DMM模型的引數,網路結構是漏斗網路( HG)。論文提出了三種方案,第一種是直接從圖片重建,第二種是加入了人臉特徵點,第三種是多工(重建+人臉特徵點預測)。效果最好的是第二種方法。 值得注意的是,該論文不是直
3D【9】人臉重建:Joint3D Face Reconstruction and Dense Alignment with Position Map Regression
該論文同時預測人臉特徵點和3D mesh的頂點座標x,y,z。人臉特徵點沒什麼好說的,現在已經有很多成功的案例了。主要關注該論文是如何預測頂點座標的。其實大概想想,就能夠大致確定直接預測頂點座標是有不少困難的。首先是,你不能把所有的頂點拉成一個向量,用全連線層預
3D【5】人臉重建:Learning the Multilinear Structure of Visual Data閱讀筆記
該論文主要內容是使用張量分解來表徵一個3D人臉,如下公式: 其中B(1)B(1) 是通過大量資料學習出來的,而A(m)A(m) 則是重構出 XX 的係數,⊙⊙ 是克羅內克積。 克羅內克積:一個3×1的向量和一個4×1的向量進行克羅內克積,會得到12×1
3D【3】人臉重建:Image Based 3D Face Reconstruction: A Survey閱讀筆記
該論文是09年的一篇3D人臉重建綜述文章。 目前的大部分3D人臉重建系統受限於3d掃描裝置的一些不足: 1、在掃描過程中要求一定的光線條件 2、無法從多個物體同時獲取3D資料 3、沒有反射的區域無法獲得正確資料(如頭髮) 4、無法實時 5、如果是鐳射
【論文翻譯】中英對照翻譯--(Attentive Generative Adversarial Network for Raindrop Removal from A Single Image)
【開始時間】2018.10.08 【完成時間】2018.10.09 【論文翻譯】Attentive GAN論文中英對照翻譯--(Attentive Generative Adversarial Network for Raindrop Removal from A Single Imag
【翻譯論文】Learning to Estimate 3D Human Pose and Shape from a Single Color Image (CVPR 2018)
因為科研的需要,最近閱讀了這篇文章,裡邊的一些術語儘量的翻譯的專業一點,如有不恰當的地方歡迎個位評論指正,還有就是如有涉及到版權的問題,請及時聯絡本人,本人會立馬刪除 該工作解決了從單個彩色影象估計全身3D人體姿勢和形狀的問題。這是一項普遍存在基於迭代優化的解決方案的任務,
【4】自定義下拉框
order viewport down jquer pos bottom last png 下拉框 <!DOCTYPE html> <html lang="en"> <head> <meta charset="UTF-8
VSTO:使用C#開發Excel、Word【4】
托管 nic tools sha 為我 exc cart man 還要 致謝雖然封面上只有兩個名字,但沒有這麽多專門人士的努力,沒有這樣大的書籍。 埃裏克·卡特(Eric Carter)感謝他的整個家庭,他們表現出的耐心,而“爸爸”正在研究他的書:傑森,海利,卡米拉,蘭德和
【4】 簡單繪圖(二)
dispose alt draw bsp rom 形狀 .html yellow tex 在上一篇裏已經向大家介紹了如何使用GDI+繪制簡單的圖像,這一篇繼續向大家介紹其它一些繪圖知識. 1.首先我們來看下上一篇中我們使用過的Pen. Pen的屬性主要有: Color(顏色
Fiddler抓包【4】_重定向AutoResponder
修改內容 rules nbsp sts 宋體 enable 完全 -s 步驟 1. 文件及圖片替換(Enable rules) 目的:允許從本地返回文件,代替服務器響應,而不用將文件發布到服務器【可用正式環境驗證本地文件】 步驟一:抓頁面http://ir.baidu.co
大戰設計模式【4】—— 簡單工廠模式
ref ins 復雜 nsa sta 對象比較 cto cnblogs 配置文件 簡單工廠模式(Simple Factory) 設計模式使用的例子 https://github.com/LinkinStars/DesignPatternsAllExample 一、
Kbengine遊戲引擎-【4】demo-kbengine_unity3d_demo 在容器docker上安裝測試
目錄文件 關於 linux cnblogs 關註 容器 註意 中文 nbsp git地址:https://github.com/kbengine/kbengine_unity3d_demo Demo中文地址:https://github.com/kbengine/kbeng
重構手法之簡化函數調用【4】
希望 重復 範圍對 href idt 移植 參數 不同的 lis 返回總目錄 本小節目錄 Replace Parameter with Methods(以函數取代參數) Introduce Parameter Object(引入參數對象) Remove Sett
【4】facebook大數據搜索庫faiss使用——Faiss索引介紹
source http 哈希函數 位數 對象 兩個 目的 ebo rank 基礎索引如下所示: 精確索引(IndexFlatL2): 主要參數d;占用字節4d;是否窮盡式搜索:是; 內積精確檢索(IndexFlatIP):d;4d;是; 級聯式圖搜索(IndexHNSWF
【helloworld】-微信小程序開發教程-入門篇【4】
頁面 lob 分享圖片 簡化 指定 ram 圖層 備註 family 1. 開篇導言 本節目標:通過上一節的講解,相信大家對小程序框架MINA的目錄結構和配置有了一定的了解。接下來將會講解視圖層,邏輯層及其之間的交互。 目標用戶:無編程經驗,但對微信小程序感興趣的
續:糾正:debian【4】可以安裝,而且完美的安裝 ! for《Oracle-10.2.0.1,打補丁10.2.0.5:在 debian 版本4【不含4】以上,及 ubuntu 7.04【不含7.04】以上都可以安裝!》
dia -- ftp rap 美的 power sshd oracle group 關鍵點: 21 ip a 22 ifconfig -a 23 dhclient 24 ifconfig -a 25 poweroff
大眾點評SSM框架【4】
編輯 mage alt 模式 技術分享 def src SM 技術 【摘要】 開發過程中的小問題,關閉JSP可視化編輯,查看方法調用的快捷鍵。 【關閉可視化編輯】 在編輯JSP頁面時,可能會用可視化界面,每次改動樣式,都會很卡(eclipse重新刷頁面) 可以選擇關閉可視
【樹莓派智能門鎖】使用腳本控制GPIO來開鎖【4】
fig tom span 測試 vnc pre .com shu 打開 假定你已經通過此文章或者其他方式完成了樹莓派的基本配置 我們通過VNC View連接到樹莓派查看一下~ 太小了~~看著不舒服。。。改變一下分辨率: 樹莓派設置分辨率 根據上面文章;我們設置一下分辨率
【4】圖層
十分 中一 hot 印象 優點 所有 畫的 重要 bsp 對圖像的繪制或編輯都離不開圖層,圖層是Photoshop中一個十分重要的概念。 什麽是圖層 圖層就好比一張透明的紙,假如我們在創作一幅畫的時候有山、水、樹、草,這些景象。而這每一個景象就是一個圖層,一幅圖畫,就
linux基礎學習【4】
pre signal 暫停 image 虛擬內存 所有 pid vpd -m 系統進程 一.什麽是進程 進程 : 一個正在運行中的程序 程序被觸發後,執行者的權限與屬性,程序的程序碼與所需數據等都會被載入內存中,操作系統會給予這個內存內的單元一個識別碼 (PID)。 二