Core Concepts
顔部位セグメンテーションの幾何学的情報を活用することで、極端な表情の3D顔再構築の精度を向上させることができる。
Abstract
本論文は、顔部位セグメンテーションの幾何学的情報を活用した新しい損失関数「Part Re-projection Distance Loss (PRDL)」を提案している。
具体的には以下の通り:
顔部位セグメンテーションを2Dポイントセットに変換し、3D顔再構築結果を2Dプロジェクションに変換する。
アンカーポイントと統計的距離関数を用いて、ターゲットポイントセットと予測ポイントセットの幾何学的特徴を記述する。
PRDL損失関数は、これらの幾何学的特徴の差を最小化することで、3D顔再構築結果と入力画像の顔部位の整合性を高める。
さらに、極端な表情(閉眼、開口、しかめ面など)を含む新しい合成顔データセットを作成し、定量的・定性的な実験を通じて、PRDLが従来手法を大きく上回る性能を示すことを明らかにしている。
Stats
閉眼、開口、しかめ面などの極端な表情を含む合成顔データセットを200K枚以上作成した。
顔部位の2D-3D対応付けを新たに定義し、BFMとFaceVerseモデルに適用した。
Quotes
"顔部位セグメンテーションの幾何学的情報を活用することで、極端な表情の3D顔再構築の精度を向上させることができる。"
"PRDLは、ターゲットポイントセットと予測ポイントセットの幾何学的特徴の差を最小化することで、3D顔再構築結果と入力画像の顔部位の整合性を高める。"