本文经AI新媒体量子位(公众号ID:QbitAI)授权转载,转载请联系出处。

搞定这样的人脸3D建模需要几步?


【资料图】

在数据采集的阶段,答案是:一部手机 + 3.5分钟。

没错,仅凭这3.5分钟的数据,就足以生成高保真、可驱动的真实3D人脸头像。

这项研究来自Meta Reality Labs——就是扎克伯格元宇宙计划里的那个核心部门。论文已经被SIGGRAPH 2022接收。

作者提到,这一方法适用于VR应用。

也就是说,在VR的世界里,以后你可能就不必顶着一张卡通脸登场了。

而是可以方便地与胖友们“真身”相见。

方法原理

实现这一结果的方法框架如下图所示:

具体而言,分为三个部分。

首先,是要用大型多视角人脸数据集训练一个超网络,这个超网络可以通过神经网络解码器产生专属于个人的头像参数。

数据集中的人脸由多视角捕捉系统采集,包括255位不同年龄、性别和种族参与者的面部图像数据。

△左为图像捕获设备;右为采集到的人脸

这个捕获3D人脸的巨型装置是Meta在2019年研发的,其中配备171个高分辨率摄像头,每秒能记录180GB数据。采集时间在1个小时左右。

值得一提的是,在这个超网络中,解码器的基本组成模块是带有bias map的卷积上采样层。

这些bias map会被用来生成体积单元,进而通过射线追踪来渲染头像。

另外,该解码器结构能够将视线与其他面部活动区分开,这在VR应用中意味着能够更直接地利用眼动跟踪系统。

其次,是轻量级人脸表情捕捉。

在这项研究中,采集人脸只需要用到一部带有深度摄像头的智能手机。

实验中,研究人员采用的是iPhone 12。

采集过程就像这样:

采集到的数据要进行如下处理:

获取每一帧人脸图像中的几何形状和纹理;对输入的RGB图像进行人脸标志检测和人像分割;对模板网格进行拟合和变形,以匹配检测到的人脸标志物、分割轮廓和深度图;对每一帧图像的纹理进行解包,而后汇总得到完整的人脸纹理。

在进一步完善模型的过程中,还需要采集65种特定的表情:

最后,该方法输出的3D人脸头像不仅能与用户外观高度匹配,通过全局表情空间,还能对其进行进一步的驱动、控制。

研究人员表示,整个采集过程大概要花费3.5分钟。

不过需要说明的是,建模的过程不是实时的,数据处理还要花费数小时的时间。

实验结果

说了这么多,效果如何,我们还是来看实验结果。

与Pinscreen提出的“一张照片构建3D数字化身”(CVPR 2021)的方法相比,该方法能生成更具真实感的人脸模型。

而与海德堡大学、慕尼黑工业大学、马普所等研究机构在Neural Head Avatars from Monocular RGB Videos一文中提出的方法相比,该方法能生成保真度更高的结果。

不过,作者也指出了该方法的局限性:hold不太住长发和眼镜,容易产生伪影。另外,该方法对于光照条件也有一定要求。

关键词: 数据采集 手机搞定