基于遗传流形采样的三维卡通人脸造型方法分析-analysis of 3d cartoon face modeling method based on genetic manifold sampling.docxVIP

基于遗传流形采样的三维卡通人脸造型方法分析-analysis of 3d cartoon face modeling method based on genetic manifold sampling.docx

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于遗传流形采样的三维卡通人脸造型方法分析-analysis of 3d cartoon face modeling method based on genetic manifold sampling

学位论文原创性声明及使用授权声明重庆理工大学学位论文原创性声明本人郑重声明:所呈交的学位论文是本人在导师的指导下,独立进行研究所取得的成果。除文中特别加以标注引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写的成果、作品。对本文的研究做出重要贡献的集体和个人,均已在文中以明确方式标明。本人承担本声明的法律后果。作者签名:日期:年月日学位论文使用授权声明本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学校保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。本人授权重庆理工大学可以将本学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。本学位论文属于(请在以下相应方框内打“√”):1.保密□,在年解密后适用本授权书。2.不保密□。作者签名:日期:年月日导师签名:日期:年月日摘要三维人脸艺术造型是基于人脸照片原型进行三维建模和艺术形变得到的计算机三维模型,与原型人脸相比,既具有相似性又具有艺术夸张性,能给观众带来更好的亲和力,在动画影视、游戏、虚拟现实等领域具有越来越广泛的应用。人脸艺术造型的相似性与艺术性两种指标往往相互影响,难以兼顾。目前,人脸相似性相关工作主要是研究同构的二维和二维、三维和三维人脸数据之间的相似性,对于异构的二维和三维人脸之间的相似性问题研究还很少见。同时,对由定量的人脸相似模型来指导艺术人脸合成的研究工作也较少见到。本文分别采用流形学习(manifoldlearning)和主成分分析(principalcomponentanalysis,PCA)等方法,对异构人脸之间的相似特征和三维卡通人脸的艺术风格特征进行挖掘和描述,并建立了异构人脸相似模型和卡通人脸造型可调节参数模型。在这两种模型的相互作用下初步实现了一种三维卡通人脸生成方法。主要研究工作如下:(1)准备了大量的二维人脸图片,对应的三维人脸模型以及三维卡通人脸模型,对二维人脸图片、三维人脸模型和三维卡通人脸分别进行了特征提取和对齐处理。(2)提出一种基于流形空间的异构人脸相似度计算方法。通过双层流形降维策略,利用相似特征计算二维人脸数据与三维人脸数据的邻居关系,并将其反映到共享低维流形特征中。二维与三维人脸越相似,则它们在这个共享低维流形特征中的距离越近,据此得到异构人脸相似模型。(3)提出一种基于相似模型约束的三维卡通人脸生成方法。首先利用主成分分析(principalcomponentanalysis,PCA)建立三维卡通人脸的PCA子空间,并构建人脸艺术造型可调节参数模型,然后在该子空间中利用遗传算法(GeneticAlgorithm,GA)进行采样,并在异构人脸相似模型的约束作用下生成具有较好相似性和艺术性的三维卡通人脸模型。本文通过对比实验验证了异构人脸相似模型的有效性,并在相似模型的约束下,利用本文方法生成一批三维卡通人脸造型,与传统的基于规则方法相比,本文方法生成的三维卡通人脸造型既具有较好地艺术夸张性,与原型人脸相比也具有较好的相似性。最后本文以OpenGL、MFC为平台实现了相似模型约束下三维卡通人脸生成方法的软件原型。关键字:人脸相似性;流形学习;主成分分析;三维卡通人脸Abstract3DCartoonfaceisafamouscomputermodel,whichisbasedonoriginalfacephotosfor3Dmodelingandartisticdeformation.Comparedwithitsoriginalfaces,ithasbothsimilarityandexaggerationofart.Duetothis,itgivespeopleabetteraffinityandreceivesanincreasinglywiderangeofapplicationsinmanyfieldssuchasanimatedfilms,games,virtualrealityandsoon.Thetwoindexesincartoonface,namelysimilarityandartusuallyinfluenceeachotherandishardtocontrol.Thecurrentresearchesoffacesimilaritymainlyfocustohomogeneousfacedata,butfewresearcheshavedoneonsimilaritiesamongisomerousfaces.Atthesametime,fewstudieshavedoneonthefacesimilaritymodelforguidingcartoonfacesynthesis.Thisdissertati

您可能关注的文档

文档评论(0)

xyz118 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档