Gemeinsame 3D-Gesichtsrekonstruktion und dichte Ausrichtung mit Positionskarten-Regression-Netzwerk

Wir schlagen eine einfache Methode vor, die gleichzeitig die 3D-Gesichtsstruktur rekonstruiert und eine dichte Ausrichtung bereitstellt. Um dies zu erreichen, entwerfen wir eine 2D-Darstellung, genannt UV-Positionskarte, die die 3D-Form eines vollständigen Gesichts im UV-Raum aufzeichnet. Anschließend trainieren wir ein einfaches Faltungsneuronales Netzwerk (Convolutional Neural Network), um diese Karte aus einem einzelnen 2D-Bild zu regredieren. Während des Trainings integrieren wir außerdem ein Gewichtsmasken in die Verlustfunktion, um die Leistung des Netzes zu verbessern. Unsere Methode basiert nicht auf irgendeinem vorgegebenen Gesichtsmodell und kann sowohl die vollständige Gesichtsgeometrie als auch deren semantische Bedeutung rekonstruieren. Gleichzeitig ist unser Netzwerk sehr leichtgewichtig und verarbeitet ein Bild in nur 9,8 ms, was extrem schneller ist als frühere Arbeiten. Experimente mit mehreren anspruchsvollen Datensätzen zeigen, dass unsere Methode bei den Aufgaben der Rekonstruktion und Ausrichtung deutlich über anderen Stand der Technik Methoden hinausgeht.请注意，这里的“Faltungsneuronales Netzwerk”是“卷积神经网络”的德语翻译，而“Gewichtsmasken”则是“权重掩码”的德语翻译。在某些情况下，这些术语可能根据具体上下文有所不同。如果需要进一步的专业术语校对，请告知。