搞定這樣的人臉 3D 建模需要幾步？
在數(shù)據(jù)采集的階段，答案是：一部手機(jī) + 3.5 分鐘。
沒錯(cuò)，僅憑這 3.5 分鐘的數(shù)據(jù)，就足以生成高保真、可驅(qū)動的真實(shí) 3D 人臉頭像。
這項(xiàng)研究來自 Meta Reality Labs—— 就是扎克伯格元宇宙計(jì)劃里的那個(gè)核心部門。論文已經(jīng)被 SIGGRAPH 2022 接收。
作者提到，這一方法適用于 VR 應(yīng)用。
也就是說，在 VR 的世界里，以后你可能就不必頂著一張卡通臉登場了。
而是可以方便地與胖友們“真身”相見。
方法原理
實(shí)現(xiàn)這一結(jié)果的方法框架如下圖所示：
具體而言，分為三個(gè)部分。
首先，是要用大型多視角人臉數(shù)據(jù)集訓(xùn)練一個(gè)超網(wǎng)絡(luò)，這個(gè)超網(wǎng)絡(luò)可以通過神經(jīng)網(wǎng)絡(luò)解碼器產(chǎn)生專屬于個(gè)人的頭像參數(shù)。
數(shù)據(jù)集中的人臉由多視角捕捉系統(tǒng)采集，包括 255 位不同年齡、性別和種族參與者的面部圖像數(shù)據(jù)。
△ 左為圖像捕獲設(shè)備；右為采集到的人臉
這個(gè)捕獲 3D 人臉的巨型裝置是 Meta 在 2019 年研發(fā)的，其中配備 171 個(gè)高分辨率攝像頭，每秒能記錄 180GB 數(shù)據(jù)。采集時(shí)間在 1 個(gè)小時(shí)左右。
值得一提的是，在這個(gè)超網(wǎng)絡(luò)中，解碼器的基本組成模塊是帶有 bias map 的卷積上采樣層。
這些 bias map 會被用來生成體積單元，進(jìn)而通過射線追蹤來渲染頭像。
另外，該解碼器結(jié)構(gòu)能夠?qū)⒁暰€與其他面部活動區(qū)分開，這在 VR 應(yīng)用中意味著能夠更直接地利用眼動跟蹤系統(tǒng)。
其次，是輕量級人臉表情捕捉。
在這項(xiàng)研究中，采集人臉只需要用到一部帶有深度攝像頭的智能手機(jī)。
實(shí)驗(yàn)中，研究人員采用的是 iPhone 12。
采集過程就像這樣：
采集到的數(shù)據(jù)要進(jìn)行如下處理：
獲取每一幀人臉圖像中的幾何形狀和紋理；
對輸入的 RGB 圖像進(jìn)行人臉標(biāo)志檢測和人像分割；
對模板網(wǎng)格進(jìn)行擬合和變形，以匹配檢測到的人臉標(biāo)志物、分割輪廓和深度圖；
對每一幀圖像的紋理進(jìn)行解包，而后匯總得到完整的人臉紋理。
在進(jìn)一步完善模型的過程中，還需要采集 65 種特定的表情：
最后，該方法輸出的 3D 人臉頭像不僅能與用戶外觀高度匹配，通過全局表情空間，還能對其進(jìn)行進(jìn)一步的驅(qū)動、控制。
研究人員表示，整個(gè)采集過程大概要花費(fèi) 3.5 分鐘。
不過需要說明的是，建模的過程不是實(shí)時(shí)的，數(shù)據(jù)處理還要花費(fèi)數(shù)小時(shí)的時(shí)間。
實(shí)驗(yàn)結(jié)果
說了這么多，效果如何，我們還是來看實(shí)驗(yàn)結(jié)果。
與 Pinscreen 提出的“一張照片構(gòu)建 3D 數(shù)字化身”（CVPR 2021）的方法相比，該方法能生成更具真實(shí)感的人臉模型。
而與海德堡大學(xué)、慕尼黑工業(yè)大學(xué)、馬普所等研究機(jī)構(gòu)在 Neural Head Avatars from Monocular RGB Videos 一文中提出的方法相比，該方法能生成保真度更高的結(jié)果。
不過，作者也指出了該方法的局限性：hold 不太住長發(fā)和眼鏡，容易產(chǎn)生偽影。另外，該方法對于光照條件也有一定要求。
參考鏈接：
[1] 論文：https://drive.google.com/ file / d/1i4NJKAggS82wqMamCJ1OHRGgViuyoY6R / view
[2]Demo：https://www.youtube.com/watch?v=t7_TMD7v0Xs
廣告聲明：文內(nèi)含有的對外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時(shí)間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。