专栏首页大数据文摘Neurons字幕组 | 2分钟带你了解如何把人类表情迁移到大猩猩上

Neurons字幕组 | 2分钟带你了解如何把人类表情迁移到大猩猩上

Neurons字幕组出品

翻译 | IrisW 校对 | 云舟

后期 | 郭丽(终结者字幕)

项目管理 | 大力

Neurons字幕组

第三期作品震撼来袭!

Neurons字幕组源自英文单词Neuron,一个个独立的神经元,汇聚千万,成就了四通八达,传递最in最酷炫信息的神经网络。

来吧,和Neurons一起,玩点不一样的AI!

亲爱的小伙伴们,今天我们的2分钟小视频,将会为大家介绍一个非常有趣的算法,这个算法可以将某个人的表情迁移至另一个人的脸上。是不是很神奇叻?然后,一直关注我们Neurons节目的小伙伴有福气啦,本期节目中我们会放出大家询问好久的精彩资源,那么是什么呢?这里卖个关子!文末见!

?观看2分钟小视频,暂时无法观看的读者可以先收藏,或下拉直接查看文字版要点。

视频内容

首先,算法会用一个标准化的方式获取两张脸的面部几何结构和面部反射特征;在此之后,进行表情迁移。表情迁移难度比较高,需要能够处理面部几何结构的变化。面部反射特征,室内照明度的变化,并且处理姿势和表情的变化,这些操作均同时进行,其时间延迟微乎其微。

更困难的是,因为人类对面部的动态十分敏感,因此,即便十分细微的误差也很容易被我们的双眼所察觉,另外,例如皱纹这类细节,也需要准确地迁移至另外一张脸上,显然,这是个非常具有挑战性的问题,此项技术不仅在表情迁移上效果显著,而且对照明变化具有鲁棒性。

但是,对于面部拟合不具有鲁棒性,这意味着可能出现的错误,当有东西挡住脸,或者脸转离摄像机的时候,很可能会出现问题。但是,算法会很快从错误的状态调整回来,更棒的是 使用这项技术,你可以节省整形手术和植发的开销,很酷吧!

在电影工业的扮演和角色定制方面显而易见,作者在论文中也有提及,设想另一种场景,你可以在专业录制的影片中扮演某个商务装扮的角色,采用实时的表情捕捉技术,你只需要穿着休闲服或坐在沙发附近即可。

感谢收看,期待下一期与你相见!

课后拓展:

小伙伴们,是不是看完论文还意犹未尽呢?别急,我们已经想到啦!这里特地放出本期论文的原版Abstract供大家参考学习喔!

Abstract

We present a method for the real-time transfer of facial expressions from an actor in a source video to an actor in a target video, thus enabling the ad-hoc control of the facial expressions of the target actor. The novelty of our approach lies in the transfer and photo-realistic re-rendering of facial deformations and detail into the target video in a way that the newly-synthesized expressions are virtually indistinguishable from a real video. To achieve this, we accurately capture the facial performances of the source and target subjects in real-time using a commodity RGB-D sensor. For each frame, we jointly fit a parametric model for identity, expression, and skin reflectance to the input color and depth data, and also reconstruct the scene lighting. For expression transfer, we compute the difference between the source and target expressions in parameter space, and modify the target parameters to match the source expressions. A major challenge is the convincing re-rendering of the synthesized target face into the corresponding video stream. This requires a careful consideration of the lighting and shading design, which both must correspond to the real-world environment. We demonstrate our method in a live setup, where we modify a video conference feed such that the facial expressions of a different person (e.g., translator) are matched in real-time.

此外,几星期来,后台陆陆续续收到小伙伴们留言,询问Neurons这几期作品中,所涉及到的论文是什么?现在,后台回复关键词神经元三个字即可获取精彩论文合集炸药包!

感谢收看

下期再见

感谢以下同学参与翻译本期视频,最终采纳版本为 IrisW 的翻译:

孔lq,Cyrus,IrisW

melody,微电,蒋畅

Chloe,雪莉兔,虫2

Neurons招募正在开启!

我们已经拿到了一批有趣有料的视频授权,将在第一线直击AI和大数据的发展轨迹。

无论你是曾经在其他字幕组工作过的老司机,还是刚刚接触AI的小白,只要你有时间、有能力、愿分享,Neurons都欢迎你,现在加入,都有机会成为Neurons的元老哦!

我们希望你

  • 一定的英文翻译和听译能力
  • 有责任心、可靠、有耐心
  • 有时间(每周保证至少3小时工作量)
  • 最重要的,有探索AI和数据知识的强烈好奇心!

你可以获得

  • 第一时间接触独家授权视频等学习资料。
  • 视频发布时会署上各位志愿者的名字和贡献。
  • 有范儿有料科技大会的免费、优惠门票。
  • 优质公司和岗位的内推机会。
  • 和志同道合的小伙伴一起成长的机会。

字幕组岗位

1.听译:有较强的听译能力,能准确听写没有字幕的视频中的台词。

2.翻译:翻译能力强,能按照中文的用语习惯流畅地翻译字幕,需要较强的语言功底和耐心

3.校对:对翻译的结果进行校对和二次编辑,纠正专有名词、用语上的错误,需要有较强的领域知识和文字经验。

4.时间轴:需要处理译文和时间的之间的关系,添加字幕持续时间并将译文调整为适合观看的字幕,需要对句子时间点进行准确的把握和判定。

5.后期、压制:把翻译得出的字幕文件和片源打包压制成可播放的影片文件。需要懂得一定的计算机硬件环境并懂得使用各类压制影片的软件。

本文分享自微信公众号 - 大数据文摘(BigDataDigest),作者:Neurons字幕组

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2017-09-23

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • “我比Goodfellow提前三年想到了GAN”

    2014年的一晚,Ian Goodfellow和一个刚刚毕业的博士生一起喝酒庆祝。在蒙特利尔一个酒吧,一些朋友希望他能帮忙看看手头上一个棘手的项目:计算机如何自...

    大数据文摘
  • 手把手:Python加密货币价格预测9步走,视频+代码

    大数据文摘
  • 业界丨Yann LeCun卸任Facebook AI实验室主任,称将回归科研

    大数据文摘
  • torch.nn、(二)

    版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。 ...

    于小勇
  • 聊聊flink的RichParallelSourceFunction

    flink-streaming-java_2.11-1.6.2-sources.jar!/org/apache/flink/streaming/api/func...

    codecraft
  • 聊聊flink的RichParallelSourceFunction

    flink-streaming-java_2.11-1.6.2-sources.jar!/org/apache/flink/streaming/api/func...

    codecraft
  • Using KMeans for outlier detection使用KMeans进行异常值检测

    In this chapter, we'll look at both the debate and mechanics of KMeans for outli...

    到不了的都叫做远方
  • 深度学习论文(八)---DeepLabV1-SEMANTIC IMAGE SEGMENTATION WITH DEEP CONVOLUTIONAL NETS AND FULLY CONNECTED C

    注:本篇算是半讲解半翻译吧,我真的觉得这篇论文写的很难理解.......可能是我水平不够,也可能作者省略了一些具体信息,主要是提供了他的idea吧。 但是De...

    TeeyoHuang
  • 基于进化稀疏回归的杜芬振子实验辨识方法(CS.CE)

    本文提出了一种基于进化的稀疏回归算法,并将其应用于杜芬振子装置和数值模拟数据采集的实验数据。我们的目的是确定库仑摩擦项作为系统常微分方程的一部分。利用稀疏辨识对...

    用户7236395
  • 聊聊flink LocalEnvironment的execute方法

    flink-java-1.6.2-sources.jar!/org/apache/flink/api/java/DataSet.java

    codecraft

扫码关注云+社区

领取腾讯云代金券