ASM: Adaptive Skinning Model für die hochwertige 3D-Gesichtsmodellierung

Die Forschungsfelder der parametrischen Gesichtsmodelle und der 3D-Gesichtsrekonstruktion wurden umfassend untersucht. Dennoch bleibt eine zentrale Frage unbeantwortet: Wie kann ein Gesichtsmodell an spezifische Rekonstruktionsbedingungen angepasst werden? Wir argumentieren, dass die Rekonstruktion aus mehreren Ansichten mit unkalibrierten Bildern ein neues Modell mit stärkerer Kapazität erfordert. Unser Studienansatz verlagert den Fokus von datenabhängigen 3D-Morphable-Modellen (3DMM) hin zu einem bisher wenig untersuchten, menschlich entworfenen Skinning-Modell. Wir stellen das Adaptive Skinning Model (ASM) vor, das das Skinning-Modell mit kompakteren und vollständig anpassbaren Parametern neu definiert. Durch umfangreiche Experimente zeigen wir, dass ASM eine signifikant verbesserte Kapazität im Vergleich zu 3DMM erreicht, wobei zusätzliche Vorteile hinsichtlich Modellgröße und einfache Implementierbarkeit für neue Topologien bestehen. Mit ASM erzielen wir einen Stand der Technik für die Rekonstruktion aus mehreren Ansichten auf der Florence MICC Coop-Benchmark. Unsere quantitative Analyse belegt die Bedeutung eines hochkapazitätsfähigen Modells zur vollständigen Ausnutzung der reichhaltigen Information aus mehreren Ansichten bei der Rekonstruktion. Darüber hinaus kann unser Modell mit physikalisch-semantischen Parametern direkt für reale Anwendungen eingesetzt werden, beispielsweise bei der Erstellung von In-Game-Avataren. Insgesamt eröffnet unsere Arbeit neue Forschungsperspektiven für parametrische Gesichtsmodelle und trägt zur Weiterentwicklung der Forschung in der mehransichtigen Rekonstruktion bei.