Core Concepts
본 논문은 얼굴 부위 분할의 기하학적 가이드를 활용하여 3D 얼굴을 정확하게 재구성하는 방법을 제안한다. 제안하는 Part Re-projection Distance Loss (PRDL)는 2D 점 집합을 사용하여 재구성된 얼굴 영역과 원본 이미지의 영역이 정확하게 일치하도록 최적화한다.
Abstract
본 논문은 3D 얼굴 재구성 문제에서 얼굴 부위 분할 정보를 효과적으로 활용하는 방법을 제안한다. 기존 방법들은 랜드마크나 텍스처 정보에 의존하여 극단적인 표정을 가진 얼굴을 정확하게 재구성하는 데 어려움이 있었다.
제안하는 PRDL은 다음과 같은 과정으로 작동한다:
얼굴 부위 분할 정보를 2D 점 집합으로 변환한다.
재구성된 3D 얼굴을 2D 평면에 투영하여 점 집합으로 변환한다.
격자 앵커와 통계적 거리 함수를 사용하여 두 점 집합 간의 기하학적 특징을 비교하고 최적화한다.
이를 통해 재구성된 얼굴 영역이 원본 이미지의 영역과 정확하게 일치하도록 한다. 특히 극단적인 표정을 가진 얼굴에서 우수한 성능을 보인다.
또한 본 논문은 감정 표현이 풍부한 합성 얼굴 데이터셋을 제공하여 관련 연구를 지원한다.
Stats
재구성된 3D 얼굴의 오른쪽 눈 영역과 원본 이미지의 오른쪽 눈 영역 간 최소 거리 차이는 (di,m - di,n)^2이다.
재구성된 3D 얼굴의 왼쪽 눈 영역과 원본 이미지의 왼쪽 눈 영역 간 최대 거리 차이는 (di,m - di,n)^2이다.
재구성된 3D 얼굴의 코 영역과 원본 이미지의 코 영역 간 평균 거리 차이는 (di,m - di,n)^2이다.
Quotes
"PRDL는 렌더러 기반 방법들보다 명확한 기울기를 제공하며, 3D 얼굴 재구성 성능에서 최신 기술을 능가한다."
"PRDL는 앵커와 다양한 통계적 거리 함수를 사용하여 두 점 집합 간의 기하학적 특징을 효과적으로 비교하고 최적화할 수 있다."