原创力文档- 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、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、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、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 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、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、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
Face2Face：RGB的实时面部捕捉与重现
1212
图斯·泰斯迈克尔·佐尔霍¨弗·斯塔明格克里斯蒂安·特奥巴尔特斯·尼
3123
瑟埃尔朗根‑纽伦堡大学·普朗克信息斯坦福大学
所重现设置：基于使用普通头实时录制的源演员的表情，重现单目目标序列（例如，来自
）中的内容。
基于RGB[8,6]以及RGB‑D数据[31,10,21,4,16]。这
些技术在游戏和中虚拟CG角色的动画制作中变
我们提出了一种用于单目目标序列（例如，得越来越流行。如今，已经可以在家中运行这些面部捕
）的实时面部重现的新方法。源序列同捉和算法，这为许多虚拟现实和增强现实应用（如
样是一段通过普通头实时捕捉的单目流。会议）奠定了基础。
我们的目标是通过源演员来驱动目标中的面部表在本文中，我们采用了一种新的基于单目RGB数据
情，并以级感的方式重新渲染输出。为的无标记面部性能捕捉方法，类似于最先进的方法。然
此，我们首先通过基于非刚性模型的方法解决从单而，我们的主要贡献在于实现了实时的单目面部重
目中恢复面部这一欠约束问题。在运行时，我现，而不是将面部表情转移到虚拟CG角色上。与以往
们使用密集光度一致性度量来源和目标中离线运行的重现方法不同[5,11,13],，我们的目标是
的面部表情。重现则通过在源与目标之间进行快速而有将通过RGB传感器捕捉的源演员面部表情进行传
效的变形传递来实现。与重新定向的表情最匹配的口腔输，以作用于目标演员。目标序列可以是任何单目视
区域会从目标序列中检索出来并进行变形，以实现频；例如，从优酷的包含面部表演的传统片
精确贴合。最后，合成的目标面部重新渲染到相段。我们的目标是以级感的方式修改目标视
应的流上，使其与世界的光照无缝融合。我们频，使得操作痕迹几乎无法察觉。真的级面部重
在一个实时设置中演示了我们的方法，其中现是许多应用的基础；例如，在会议中，流可
能够被实时重现。以被调整以匹配翻译员的面部动作，或者将面部令
人信服地配音成外语。
1.引言在我们的方法中，我们首先使用一种基于预录制训
练序列的新的全局非刚性模型方法，重建目标演员
近年来，基于通用传感器的实时无标记面部表现捕捉已
的形状。由于这种预处理是在一组训练帧上全局执
经得到验证。无论是基于RGB还是RGB‑D数据，都取得了令
行的，因此我们可以解决单目重建中常见的几何模糊性
人印象深刻的结果。
Face2Face:Real-timeFaceCaptureandReenactmentofRGB
文档评论（0）