Resumen

La animación de expresiones faciales expresivas es un tema muy desafiante dentro de la comunidad de gráficos. En este artículo, presentamos un novedoso marco de trabajo de conducción ERI (imagen de relación de expresión) basado en SVR y MPEG-4 para la animación automática de expresiones faciales en 3D. A través del uso del método de regresión de vectores de soporte (SVR), el marco puede aprender y predecir la relación de regresión entre los parámetros de animación facial (FAPs) y los parámetros de la imagen de relación de expresión. En primer lugar, construimos un sistema de animación facial en 3D impulsado por FAP. En segundo lugar, mediante el uso del método de análisis de componentes principales (PCA), generamos los conjuntos de parámetros del espacio propio de ERI, que reconstruirá una imagen de relación de expresión razonable. Luego aprendemos un modelo con el mapeo de regresión de vectores de soporte, y los parámetros de animación facial pueden ser sintetizados rápidamente con los

• Materias:Modelos matemáticos Conjuntos difusos Ecuaciones integrales Fusión de características Algoritmo de optimización
• Subjects:Mathematical models Fuzzy sets Integral equations Feature fusion Optimization algorithm
• Palabras claves:Animación facial; Imagen de relación de expresión; Regresión de vectores de soporte; Sistema de animación facial en 3D; MPEG-4; Análisis de componentes principales
• Keywords:Facial animation; Expression ratio image; Support vector regression; 3D face animation system; MPEG-4; Principle component analysis