CNN-3DMM extimation(0.9235)
当在真实场景中应用3d模拟来增加人脸识别精度，存在两类问题：要么3d模拟不稳定，导致同一个个体的3d模拟差异较大；要么过于泛化，导致大部分合成的图片都累死。因此作者研究了一种鲁棒的三维可变人脸模型（3D morphable face models(3DMM))生成方法。他们采用了卷积神经网络（CNN） 根据输入照片来调节三维人脸模型的脸型和纹理参数。该方法可以生成大量的标记样本。该方法在MICC数据集上进行了测试，准确度为state of the art。与3d-3d人脸比对流程相结合，作者在LFW，YTF和IJB-A数据集上与当前最好成绩持平。文章的关键点有两个：3D重建模型训练数据获取；3D重建模型训练
本文参与 腾讯云自媒体分享计划，分享自微信公众号。
原始发表：2018-01-12，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读
相关产品与服务
人脸识别
腾讯云神图·人脸识别（Face Recognition）基于腾讯优图强大的面部分析技术，提供包括人脸检测与分析、比对、搜索、验证、五官定位、活体检测等多种功能，为开发者和企业提供高性能高可用的人脸识别服务。 可应用于在线娱乐、在线身份认证等多种应用场景，充分满足各行业客户的人脸属性识别及用户身份确认等需求。