دانلود ترجمه مقاله بازسازی چهره سه‌بعدی از یک تصویر تکی با رگرسیون مستقیم CNN

1. مقدمه 2. تحقیقات مشابه 3. روش 4. نتایج 5. اهمیت اتحاد فضایی 6. مطالعات تخریب 7. نتیجه‌گیری

چکیده – بازسازی چهره سه بعدی یک مساله کامپیوتری بنیادی با مشکلات فراوان است. سیستم‌های فعلی اغلب نیاز به دسترس بودن چندین تصویر چهره (گاهی از یک سوژه) به عنوان ورودی دارند و باید تعدادی از چالش‌های روش‌شناختی مانند ایجاد مطابقت متراکم در حالت‌های چهره بزرگ، حالات، و روشنایی غیر یکنواخت را در نظر بگیرند. به طور کلی این روش‌ها به خطوط لوله پیچیده و نا کارآمد برای ساخت مدل و نصب نیاز دارند. در این مقاله، ما پیشنهاد می‌کنیم که بسیاری از این محدودیت‌ها را با آموزش شبکه عصبی کانوولوشن (CNN) بر روی یک مجموعه داده مناسب متشکل از تصاویر ۲ بعدی و مدل‌های سه‌بعدی صورت و یا اسکن بررسی کنیم. CNN ما تنها با یک تصویر دو بعدی صورت عمل می‌کند، نیازی به همترازی دقیق و ایجاد ارتباط فشرده بین تصاویر ندارد، برای بازسازی کامل سه‌بعدی صورت عمل می‌کند (از جمله بخش‌های غیر مرئی چهره) که با گذر از ساخت (در حین آموزش) و متناسب کردن (در حین تست) مدل سه‌بعدی عمل می‌کند. ما از طریق یک ساختار ساده از CNN به این مساله رسیده‌ایم که رگرسیون مستقیم یک نمایش حجمی سه‌بعدی روی صورت سه‌بعدی را از تصویر ۲ بعدی مجزا انجام می‌دهد. ما همچنین نشان می‌دهیم که چگونه کار مرتبط با نقطه عطف چهره می‌تواند در چارچوب پیشنهادی گنجانده شده و به بهبود کیفیت بازسازی، به ویژه برای موارد ژست و حالات چهره بزرگ کمک کند.

3D face reconstruction is a fundamental Computer Vision problem of extraordinary difficulty. Current systems often assume the availability of multiple facial images (sometimes from the same subject) as input, and must address a number of methodological challenges such as establishing dense correspondences across large facial poses, expressions, and non-uniform illumination. In general these methods require complex and inefficient pipelines for model building and fitting. In this work, we propose to address many of these limitations by training a Convolutional Neural Network (CNN) on an appropriate dataset consisting of 2D images and 3D facial models or scans. Our CNN works with just a single 2D facial image, does not require accurate alignment nor establishes dense correspondence between images, works for arbitrary facial poses and expressions, and can be used to reconstruct the whole 3D facial geometry (including the non-visible parts of the face) bypassing the construction (during training) and fitting (during testing) of a 3D Morphable Model. We achieve this via a simple CNN architecture that performs direct regression of a volumetric representation of the 3D facial geometry from a single 2D image. We also demonstrate how the related task of facial landmark localization can be incorporated into the proposed framework and help improve reconstruction quality, especially for the cases of large poses and facial expressions.

بخشی از ترجمه مقاله (صفحه 17 فایل ورد ترجمه)