博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
快试试这个:一张自拍生成3D人脸!(Demo+Code+Paper)
阅读量:5870 次
发布时间:2019-06-19

本文共 1029 字,大约阅读时间需要 3 分钟。

本文来自AI新媒体量子位(QbitAI)

讲真,你得试试这个,很好玩。

来自诺丁汉大学和金斯顿大学的一队AI专家,最近发了一个新的研究成果:使用机器学习算法,只需要一张人脸照片,就能生成3D人脸。

整个过程非常简单,上传照片(自拍),然后稍等片刻~

先看看效果。量子位从微博和百度的明星排行榜上,选择了今天排名第一的女星做个示范,生成的三维人脸模型如视频所示:

以及这位知名外国网友:

7e74d30b92f3165e54485c03bf17f4d42b86e454

量子位还拿同事们的照片试了一下,确实很很好玩!

但,这怎么做到的?其实背后是一个卷积神经网络,研究人员把大量人脸数据喂给这个网络进行训练,最终这个AI学会了从照片脑补出3D人脸。

Demo

想尝试一下的朋友,可以赶紧前往下面这个网址:

http://cs.nott.ac.uk/~psxasj/3dme/

论文

这个团队还把研究成果公布了出来。

《Large Pose 3D Face Reconstruction from a Single Image via Direct Volumetric CNN Regression》

摘要:

3D面部重建是一个非常困难的基础计算机视觉问题。

目前的系统通常使用多张面部图片作为输入,并且需要解决诸多挑战,例如需要在大型面部姿态中建立密集的对应,要受到表情、不均匀光照等影响。一般来说,这些方法需要复杂和低效的管道来建模和拟合。

在这项研究中,我们提出通过由2D图像和3D面部模型或扫描组成数据集,并在这个数据集上训练卷积神经网络(CNN)来解决这些限制。

我们的CNN只需要使用一个2D面部图像,不需要精确的对准,也不需要在图像之间建立密集对应。这个方法适用于重建整个3D面部几何(包括不可见部分)。我们通过一个简单的CNN架构来实现这一点,这个架构对单个2D图像的3D面部几何进行体积表征的直接回归。

我们还展示了如何将面部地标定位的相关任务纳入提出的框架,这有助于提高重建质量,特别是在大型姿态和面部表情的情况下。

c9b5a75883618ab2ee66120a43a322d96dbc1c8c

论文地址:

https://arxiv.org/abs/1703.07834

Code

这项研究的代码也已经公布在GitHub上。

这里简单交代一下软件要求:

  • Torch7
  • MATLAB
  • Nvidia GPU(装好CUDA和CuDNN)

想要获得代码地址?可以在量子位微信公众号(QbitAI)对话界面,回复“vrn”三个字母,即可获得。

本文作者:问耕
原文发布时间: 2017-09-18

转载地址:http://qkanx.baihongyu.com/

你可能感兴趣的文章
Python中read()、readline()和readlines()三者间的区别和用法
查看>>
openssl内核升级
查看>>
xp与win7双系统时删除win7启动菜单
查看>>
函数+装饰器+迭代器+生成器
查看>>
前端自动化构建工具webpack (一)之webpack安装 和 设置webpack.confi.js
查看>>
java面向对象高级分层实例_实体类
查看>>
Guice 练习 constructorbindings demo
查看>>
ZOJ - 3469 Food Delivery(区间DP)
查看>>
PL/pgSQL学习笔记之六
查看>>
Linux Shell 函数返回值
查看>>
Servlet Filter 示例
查看>>
进程调度主要函数解析
查看>>
CCFollow和ActionCallFunc
查看>>
使用复制存储过程执行解决“事务复制中的表大量更新导致无法及时同步”的问题 (转)...
查看>>
飘逸的python - 简明gzip模块压缩教程
查看>>
POJ 1037 DP
查看>>
2013 Multi-University Training Contest 4
查看>>
Android中动态更新ListView(转)
查看>>
hdu 1874 畅通工程续(求最短距离,dijkstra,floyd)
查看>>
链表的基本操作
查看>>