细节特征保持的三维面部表情迁移方法

摘要：

在三维面部表情迁移中,针对保持目标模型丰富的细节信息以使生成的新表情真实自然,以及减少表情迁移的学习训练时间这2个热点问题,提出一种细节特征保持的三维面部表情迁移方法.首先提取三维面部模型的细节特征,获得滤掉细节后的基本表情;然后利用改进的有参无监督回归方法将源模型的基本表情传递给目标模型;最后利用提出的细节特征向量调整策略对具有源基本表情的目标模型进行细节恢复.在Windows 10系统的Matlab中,以重建精度和训练时间为评价指标,对COMA等三维面部数据集进行视觉对比和定量分析实验.结果表明,与非线性联合学习方法相比,该方法在将源模型的表情无损迁移到目标模型的同时,很好地保持了目标模型自身的个性细节特征,使生成的表情真实自然;有效地提高了面部表情迁移的训练速度.

关键词：表情迁移、有参无监督回归、细节特征提取、细节特征恢复

所属期刊栏目：33

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金;山东省省属优青项目;山东省重点研发计划;山东省高等学校青创科技支持计划;山东省自然科学基金;山东省高等学校优势学科人才团队培育计划

在线出版日期：2021-03-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：186-198