都在用的報告小程序
寫文章、做研究、查資料【必備】
過去,製作出逼真且不嚇人的人臉精確3D重建圖需要昂貴的設備和專業技術。但現在,卡內基梅隆大學(CMU)的研究人員利用普通智慧型手機拍攝的視頻實現了這一目標 。
使用智慧型手機連續拍攝臉部前方和側面的視頻會產生密集的數據云。CMU機器人研究所開發的兩步程序利用這些數據,在深度學習算法的幫助下,實現了人臉的數字重建。而且他們的方法可以達到亞毫米精度,優於其他所有基於相機的類似過程。
獲得數字重構的人臉,可以用來製作遊戲或AR/VR人物形象,也可以用於動畫、生物識別甚至醫療程序——精確的面部3D繪製有助於定製外科口罩或呼吸器。
CMU機器人研究所副教授Simon Lucey說:「在計算機視覺和圖形學領域,建立面部的3D重構一直是一個未解決的問題,因為人們對面部特徵的外觀非常敏感。重建過程中即便只出現的微小異常,也會讓最終結果看起來不真實。」
雷射掃描儀、結構光和多機位工作室可以實現高度精確的面部掃描,但若要使用這些專門的傳感器,在大多數場合又顯得不划算。
Lucey和他的研究生Shubham Agrawal、Anuj Pahuja開發的方法解決了這一問題,他們的研究成果已經在3月初的科羅拉多州Snowmass舉行的IEEE計算機視覺應用冬季會議上公開。他們使用iPhone X的慢動作模式拍攝了15-20秒的視頻。
「高幀率慢動作是我們方法的關鍵之一,因為它產生了一個密集的點雲,」Lucey說。
隨後,他們採用了常用視覺同步定位和繪圖(SLAM)技術,通過對表面上的點進行三角測量來計算其形狀,同時利用這些信息來確定相機的位置。
這一步創建了人臉的初始幾何形狀,但是也會丟失部分數據,使模型出現空白。
在接下來的第2步中,研究人員引入了AI技術。他們首先使用深度學習算法來填補這些空白,識別出一張人臉的輪廓和標誌性器官,如耳朵、眼睛和鼻子。這時會出現一個問題:深度學習技術有其局限性。
Lucey解釋稱,「深度學習是我們每天都在使用的強大工具,但它有一種記憶答案的傾向」,這和追求臉部細節識別的目標背道而馳。這時候就要引入一些經典的計算機視覺技術作為補充。這種方法的效率較低,需要30-40分鐘的處理時間,但整個過程可以在智慧型手機上完成。
除了面部重建,CMU團隊的方法還可以用於捕捉幾乎任何物體的幾何形狀,Lucey說。然後,這些物體的數字重建可以整合到動畫中,或者通過網際網路傳輸到可以用3D印表機複製物體的網站上。
參考資料:
[1]https://www.cs.cmu.edu/news/smartphone-videos-produce-highly-realistic-3d-face-reconstructions
本文來源前瞻網,轉載請註明來源。本文內容僅代表作者個人觀點,本站只提供參考並不構成任何投資及應用建議。(若存在內容、版權或其它問題,請聯繫:service@qianzhan.com) 品牌合作與廣告投放請聯繫:0755-33015062 或 hezuo@qianzhan.com