基于可形变规范化点云的三维人脸重建

摘要

为了从单幅二维人脸图像中重建出高质量的三维人脸模型，本文提出一种可形变规范化点云的三维人脸重建方法DNPR.DNPR跳出显式人脸先验模型的固定拓扑方式，将人脸表示为规范空间中与姿态无关的几何形状和外观的点云，通过优化规范空间中的可学习点，使其在映射空间和着色空间中进行有效的变形和渲染，加速向目标人脸形状收敛，且训练后期的密集点可以很好地再现纹理细节.在IMavatar提供的基准数据集上的对比实验表明，DNPR的平均结构相似性达到0.854,平均峰值信噪比达到23.863,相较于多数传统隐式重建方法，表现出一定的优势.且训练速度为0.06h/轮次，相比于PointAvatar提高了4个百分点.

关键词

三维人脸模型 / 可形变规范化点云 / 映射空间 / 着色空间

基金资助

湖南省自然科学基金项目（2023JJ30700）资助; 中南大学中央高校基本科研业务费专项资金资助; 西交利物浦大学科研发展基金项目（RDF21-02-008）资助