搞定这样的人脸 3D 建模需要几步?
在数据采集的阶段,答案是:一部手机 + 3.5 分钟。
没错,仅凭这 3.5 分钟的数据,就足以生成高保真、可驱动的真实 3D 人脸头像。
这项研究来自 Meta Reality Labs—— 就是扎克伯格元宇宙计划里的那个核心部门。论文已经被 SIGGRAPH 2022 接收。
作者提到,这一方法适用于 VR 应用。
也就是说,在 VR 的世界里,以后你可能就不必顶着一张卡通脸登场了。
而是可以方便地与胖友们“真身”相见。
方法原理
实现这一结果的方法框架如下图所示:
具体而言,分为三个部分。
首先,是要用大型多视角人脸数据集训练一个超网络,这个超网络可以通过神经网络解码器产生专属于个人的头像参数。
数据集中的人脸由多视角捕捉系统采集,包括 255 位不同年龄、性别和种族参与者的面部图像数据。
△ 左为图像捕获设备;右为采集到的人脸
这个捕获 3D 人脸的巨型装置是 Meta 在 2019 年研发的,其中配备 171 个高分辨率摄像头,每秒能记录 180GB 数据。采集时间在 1 个小时左右。
值得一提的是,在这个超网络中,解码器的基本组成模块是带有 bias map 的卷积上采样层。
这些 bias map 会被用来生成体积单元,进而通过射线追踪来渲染头像。
另外,该解码器结构能够将视线与其他面部活动区分开,这在 VR 应用中意味着能够更直接地利用眼动跟踪系统。
其次,是轻量级人脸表情捕捉。
在这项研究中,采集人脸只需要用到一部带有深度摄像头的智能手机。
实验中,研究人员采用的是 iPhone 12。
采集过程就像这样:
采集到的数据要进行如下处理:
获取每一帧人脸图像中的几何形状和纹理;
对输入的 RGB 图像进行人脸标志检测和人像分割;
对模板网格进行拟合和变形,以匹配检测到的人脸标志物、分割轮廓和深度图;
对每一帧图像的纹理进行解包,而后汇总得到完整的人脸纹理。
在进一步完善模型的过程中,还需要采集 65 种特定的表情:
最后,该方法输出的 3D 人脸头像不仅能与用户外观高度匹配,通过全局表情空间,还能对其进行进一步的驱动、控制。
研究人员表示,整个采集过程大概要花费 3.5 分钟。
不过需要说明的是,建模的过程不是实时的,数据处理还要花费数小时的时间。
实验结果
说了这么多,效果如何,我们还是来看实验结果。
与 Pinscreen 提出的“一张照片构建 3D 数字化身”(CVPR 2021)的方法相比,该方法能生成更具真实感的人脸模型。
而与海德堡大学、慕尼黑工业大学、马普所等研究机构在 Neural Head Avatars from Monocular RGB Videos 一文中提出的方法相比,该方法能生成保真度更高的结果。
不过,作者也指出了该方法的局限性:hold 不太住长发和眼镜,容易产生伪影。另外,该方法对于光照条件也有一定要求。
参考链接:
[1] 论文:https://drive.google.com/ file / d/1i4NJKAggS82wqMamCJ1OHRGgViuyoY6R / view
[2]Demo:https://www.youtube.com/watch?v=t7_TMD7v0Xs
广告声明:文内含有的对外跳转链接(包括不限于超链接、二维码、口令等形式),用于传递更多信息,节省甄选时间,结果仅供参考,IT之家所有文章均包含本声明。