Resumen

Reconstruir con precisión el modelo 3D de un rostro humano es un reto en el campo de la visión por ordenador. Debido a la complejidad de la reconstrucción de rostros y a la diversidad de sus características, la mayoría de los métodos existentes tienen como objetivo reconstruir un modelo de rostro liso ignorando los detalles del mismo. En este artículo se propone un nuevo método de reconstrucción facial basado en el aprendizaje profundo. Contiene dos módulos: reconstrucción facial inicial y síntesis de detalles faciales. En el módulo de reconstrucción facial inicial, se utiliza una red neuronal para detectar los puntos de los rasgos faciales y el ángulo de la pose de la cara, y se utiliza el Modelo Morfable 3D (3DMM) para reconstruir la forma aproximada del modelo facial. En el módulo de síntesis de detalles faciales, se utiliza la red Conditional Generation Adversarial Network (CGAN) para sintetizar el mapa de desplazamiento. El mapa proporciona características de textura para la reconstrucción de la superficie de la cara, de modo que refleje los detalles de la cara. Nuestra propuesta se ha evaluado en experimentos con el conjunto de datos Facescape y ha obtenido mejores resultados que otros métodos actuales.

• Materias:Biotecnología Minería de datos Redes de sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology Data mining Sensor networks Sensor system Sensor technology
• Palabras claves:detalles de la cara, red adversarial de generación condicional, módulo de síntesis de detalles de la cara, módulo de reconstrucción inicial de la cara, modelo morfable 3d, método de reconstrucción de la cara, reconstrucción de la superficie de la cara, puntos de rasgos faciales, reconstrucción inicial de la cara, aprendizaje profundo novedoso
• Keywords:face details, conditional generation adversarial network, face detail synthesis module, initial face reconstruction module, 3d morphable model, face reconstruction method, face surface reconstruction, facial feature points, initial face reconstruction, novel deep learning