Core Concepts
본 연구는 단일 이미지에서 극단적이고 비대칭적이며 미묘한 표정까지 충실하게 복원할 수 있는 새로운 3D 얼굴 복원 기법을 제안한다.
Abstract
본 연구는 3D 얼굴 복원 분야에서 새로운 분석-기반 신경 합성 기법을 제안한다. 기존 방법들은 자기 지도 학습 기반 접근법의 한계로 인해 극단적이고 비대칭적이며 미묘한 표정을 충실하게 복원하지 못하는 문제가 있었다.
제안하는 SMIRK 기법은 다음과 같은 핵심 아이디어를 바탕으로 이러한 한계를 극복한다:
기존의 차등 가능한 렌더링 기반 손실 함수 대신 신경 렌더링 모듈을 사용하여 입력 이미지와의 차이를 최소화한다. 이를 통해 기하학적 정보에 더 잘 집중할 수 있다.
표정 일관성/증강 손실을 통해 다양한 표정을 학습할 수 있도록 한다. 이를 위해 극단적이고 비대칭적인 표정 데이터를 활용한다.
실험 결과, SMIRK는 기존 최신 기법들에 비해 표정 복원 성능이 크게 향상되었음을 정량적, 정성적으로 보여준다. 특히 사용자 평가에서 압도적인 선호도를 보였다.
Stats
단일 이미지에서 3D 얼굴을 충실하게 복원할 수 있다.
극단적이고 비대칭적이며 미묘한 표정까지 잘 복원할 수 있다.
기존 방법들에 비해 표정 복원 성능이 크게 향상되었다.
Quotes
"SMIRK faithfully captures a wide range of facial expressions (Fig. 1), including challenging cases such as asymmetric and subtle expressions (e.g., smirking)."
"Our extensive experiments demonstrate that SMIRK faithfully captures a wide range of facial expressions (Fig. 1), including challenging cases such as asymmetric and subtle expressions (e.g., smirking)."