基于元学习的个性化人像面部语义特征提取与重建方法

摘要

针对传统基于像素相关性的视频压缩编码方法在处理大量数据时的效率瓶颈，以及二维语义特征编码在处理大变化时的局限性，提出一种结合语义特征提取方法、三维重建技术和元学习个性化适应的视频压缩编码方法.在编码端，通过个性化内容编码器和纹理编码器分别提取视频帧的语义特征，避免表情动态变化与个体静态固有纹理之间的相互干扰；在解码端，采用改进FLAME模型来重建包含个性化特征和纹理的三维头部模型，确保重建的真实性；此外，引入元学习机制，结合个性化适应函数和元学习算法，提高模型的生成效率、质量和细节表现力.该模型在YouTube Faces数据集上进行训练，实验结果表明，在峰值信噪比、面部关键点损失、交并比和结构相似性四个关键指标上分别达到了31.144、0.022、0.827和0.915,均超越了现有主流面部重建技术，验证了基于元学习的个性化语义特征提取与重建方法具备良好的个性化能力和泛化能力，能够迅速准确地适应新任务，实现人像面部的精确重建.

关键词

元学习 / 个性化编码 / 语义特征提取 / 三维人脸建模 / 个性化重建