CN117893642B - 一种面部形状重塑与五官交换的换脸方法 - Google Patents
一种面部形状重塑与五官交换的换脸方法 Download PDFInfo
- Publication number
- CN117893642B CN117893642B CN202410300889.9A CN202410300889A CN117893642B CN 117893642 B CN117893642 B CN 117893642B CN 202410300889 A CN202410300889 A CN 202410300889A CN 117893642 B CN117893642 B CN 117893642B
- Authority
- CN
- China
- Prior art keywords
- face
- image
- information
- shape
- facial
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000001815 facial effect Effects 0.000 title claims abstract description 70
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 45
- 230000004927 fusion Effects 0.000 claims abstract description 34
- 210000000697 sensory organ Anatomy 0.000 claims abstract description 17
- 230000011218 segmentation Effects 0.000 claims abstract description 11
- 238000007634 remodeling Methods 0.000 claims abstract description 7
- 238000005070 sampling Methods 0.000 claims description 14
- 230000004913 activation Effects 0.000 claims description 9
- 239000013598 vector Substances 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 7
- 230000006870 function Effects 0.000 description 7
- 238000010606 normalization Methods 0.000 description 4
- 230000033001 locomotion Effects 0.000 description 3
- 239000003550 marker Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000005286 illumination Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 208000037170 Delayed Emergence from Anesthesia Diseases 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000008921 facial expression Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/60—Editing figures and text; Combining figures or text
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明涉及计算机视觉技术领域,且公开了一种面部形状重塑与五官交换的换脸方法,包括如下步骤:利用3D重建模型对源图像和目标图像进行处理;拼接源图像的特征信息、目标图像的人脸分割图、组合特征信息得到融合编码特征;将目标图像的编码信息和基于形状的换脸图像特征信息联合进行修复;得到编码信息,使用身份提取器对源图像进行处理得到身份信息;得到基于五官的换脸图像特征信息;得到最终的换脸图像。该面部形状重塑与五官交换的换脸方法,生成五官和形状特征图像,解决了现有技术中交换五官不自然的问题,同时采用融合技术将生成的特征图像与原始图像进行融合,使得交换后的图像更加平滑自然,有效的提升图像处理质量。
Description
技术领域
本发明涉及计算机视觉技术领域,具体为一种面部形状重塑与五官交换的换脸方法。
背景技术
图像换脸技术是指将源图像中的人脸移植到目标图像中,替换掉目标图像中的指定人脸。图像换脸的过程要求保持目标图像的人脸姿态不变,源图像的肤色、妆容不受目标图像的姿势和光照影响,并且最终合成的人脸图像看起来要自然。这一技术可以使用户具有代入感,增加图像交互式体验。
近年来,随着深度学习技术的发展,人脸交换技术也越来越成熟,然而,目前的人脸交换技术还存在一些问题,其在交换后的五官不够自然、交换后的人脸形状变化不够平滑看起来还和目标图像一样等等;鉴于上述问题,我们提出了一种面部形状重塑与五官交换的换脸方法。
发明内容
本发明的目的在于提供一种面部形状重塑与五官交换的换脸方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种面部形状重塑与五官交换的换脸方法,包括如下步骤:
S1、利用3D重建模型对源图像和目标图像进行处理,使用语义分割模型对目标图像进行处理,得到属性特征信息,融合源图像的面部形状特征和目标图像的属性特征信息得到组合特征信息;
S2、拼接源图像的特征信息、目标图像的人脸分割图和组合特征信息得到融合编码特征,并将其经过语义融合生成器得到基于形状的换脸图像特征信息;
S3、将目标图像的编码信息和基于形状的换脸图像特征信息联合进行修复得到基于形状的换脸图像;
S4、利用编码器对得到的基于形状的换脸图像进行处理得到编码信息,使用身份提取器对源图像进行处理得到身份信息;
S5、利用身份交换网络将源图像的身份信息嵌入到编码信息中得到基于五官的换脸图像特征信息;
S6、将基于五官的换脸图像特征信息经过解码器后得到最终的换脸图像。
可选的,所述S1中得到属性特征信息具体步骤如下:
S11、利用3D重建模型对源图像和目标图像进行处理得到人脸标志系数,所述人脸标志系数包括面部形状、姿势、表情和相机数据;
S12、将源图像的人脸标志系数和目标图像人脸标志系数进行拼接得到一个新的组合特征。
可选的,所述S2中得到基于形状的换脸图像特征信息的具体步骤如下:
S21、对源图像的特征信息、目标图像的人脸分割图和组合特征信息进行拼接,得到融合编码特征;
S22、语义融合生成器输入融合编码特征,并进行上采样以及拼接,得到上采样融合编码特征;
S23、输入的上采样融合编码特征先经过卷积核调整通道数,再通过下采样和一个具有三个卷积核的卷积块操作,三个所述卷积核依次对采样融合编码特征进行卷积处理,最后输出基于形状的换脸图像特征信息。
可选的,所述S3中进行修复具体步骤如下:
S31、前面得到基于形状的换脸图像特征信息是不够完善的,需要对源图像和目标图像进行建模,计算两个面的形状差异;
S32、根据S31中形状差异计算所缺失的语义流,使用语义流来修复基于形状的换脸图像特征信息。
可选的,所述S5中身份信息嵌入到编码信息具体步骤如下:
S51、身份交换网络用于更改基于五官的换脸图像特征信息的身份信息,身份交换网络用于更改基于五官的换脸图像特征信息的身份信息,其中身份交换网络输入有两部分组成,一部分是来自基于形状的换脸图像的特征编码信息直接输入,另一部分是源图像经过身份提取器处理后的身份信息,且源图像经过身份提取器处理后的身份信息嵌入到基于形状的换脸图像的特征编码信息中,得到基于五官的换脸图像特征信息;
S52、身份信息矢量分别嵌入到ID-Block模型中的AdaIN块通道中,且ID-Block模型中包含三组AdaIN块通道,另外为了保证足够的身份嵌入,身份交换模块共有6个ID-Block模型,ID-Block模型是残差块的修改版本,使用自适应实例规范化(AdaIN)来取代原始的批量规范化。
可选的,所述S6中基于五官的换脸图像特征信息经过解码器的具体步骤如下:
S61、训练中涉及来自不同身份的源图像,且身份交换网络中的输入的目标图像信息为经过S1-S4的处理得到的基于形状的换脸图像信息;
S62、在嵌入身份信息后,将修改后的特征通过解码器来生成最终结果,得到的图像即为基于形状和五官的换脸图像。
可选的,三个所述卷积块具体为:三层卷积块内部细节为首先是一个1*1的卷积,然后进行标准化BN处理和非线性激活Relu函数处理,接着再连接一个3*3的卷积核进行标准化BN处理和非线性激活Relu函数处理,最后在连接一个1*1的卷积核进行标准化BN处理和非线性激活Relu函数处理。使用两个1*1的卷积核和一个3*3的卷积核是为了减少运算量。
与现有技术相比,本发明提供了一种面部形状重塑与五官交换的换脸方法,具备以下有益效果:
该面部形状重塑与五官交换的换脸方法,生成五官和形状特征图像,解决了现有技术中交换五官不自然的问题,同时采用融合技术将生成的特征图像与原始图像进行融合,使得交换后的图像更加平滑自然,有效的提升图像处理质量。
附图说明
图1为本发明基于形状和五官的图像换脸的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,一种面部形状重塑与五官交换的换脸方法,包括如下步骤:
S1、利用3D重建模型对源图像和目标图像进行处理,使用语义分割模型对目标图像进行处理,得到属性特征信息,融合源图像的面部形状特征和目标图像的属性特征信息得到组合特征信息。
利用3D重建模型对源图像和目标图像进行处理得到人脸标志系数,其中人脸标志系数包括面部形状、姿势、表情和相机数据;然后将源图像的人脸标志系数和目标图像人脸标志系数进行拼接得到一个新的组合特征。
由于面部形状重塑网络需要融合面部形状像素,因此本实施例选择明确的面部标志作为形状表示,使用三维人脸重建模型来获得人脸标志。
3D重建模型提取源和目标的3D系数公式如下:
(1)
其中,β*为面部形状、θ*为面部姿势、ψ*为面部表情、c*为相机的FLAME系数。*是s或t,分别表示源或目标,如表示源图像的参数,表示目标图像的参数,为3D系数。通过得到的系数,可以将目标面部建模为:
(2)
其中Mt表示目标面部的3D面部网格。A是用于围绕关节J旋转TP顶点的线性混合蒙皮(LBS)函数,W是混合权重。TP表示具有形状、姿势和表情偏移的模板网格T。
然后,重建源面部,除了用目标面部替换源姿态和表情系数,从Mt和Ms2t中采样3D面部标志,并使用目标相机参数ct将3D点投影到2D面部标志,Ms2t表示带有表情系数的目标面部3D面部网格,具体公式如下:
(3)
其中,是M*中的顶点,是正交3D-2D投影矩阵,m和n为目标相机参数ct中的参数,分别表示各向同性尺度和2D平移,表示带有表情系数的目标面部2D面部网格。P*表示2D面部标志。值得注意的是,此过程仅使用面部轮廓处的界标作为形状表示,内部面部界标包含可能影响重塑结果的身份信息。
S2、拼接源图像的特征信息、目标图像的人脸分割图和组合特征信息得到融合编码特征,并将其经过语义融合生成器得到基于形状的换脸图像特征信息。
对源图像的特征信息、目标图像的人脸分割图和组合特征信息进行拼接,得到融合编码特征;语义融合生成器输入融合编码特征,并进行上采样以及拼接,得到上采样融合编码特征;输入的上采样融合编码特征先经过卷积核调整通道数,三个所述卷积核依次对采样融合编码特征进行卷积处理,最后输出基于形状的换脸图像特征信息。
Pt和Ps2t之间的相对位移仅描述稀疏运动。为了精确地融合目标面,需要获得源图像和目标图像之间的密集运动。本实施例使用语义流对两个人脸之间的语义对应进行建模,以实现像素方向的移动。本实施例中语义融合生成器需要三个输入:Ps2t、Pt和St,其中Ps2t和Pt是上面获得的2D面部标志。St是目标人脸分割图,补充了人脸地标中丢失的语义信息。语义融合生成器的输出是估计的语义流Vt,公式为:
(4)
语义融合生成器是基于U-net的语义引导生成器,先对输入进来的张量进行下采样,之后再进行上采样以及拼接,最后得到一个融合编码特征。
语义融合生成器的内部实现细节是输入经过第一个卷积核调整输入为64*256*256的形式,再通过下采样和一个具有3个卷积核的卷积块操作形成128*128*128的形式,经过下采样和三层卷积块形成256*64*64的输出,再次经过下采样和三层卷积块形成512*32*32的输出,再次经过下采样和三层卷积块形成512*16*16的输出,然后经过上采样和三层卷积块并与相同的维度的输出进行连接,总共经过四次上采样和三层卷积块以及连接形成输出为64*256*256的输出,最后经过一个卷积核形成2*256*256的输出Vt。
三个卷积块具体为:三层卷积块内部细节为首先是一个1*1的卷积,然后进行标准化BN处理和非线性激活Relu函数处理,接着再连接一个3*3的卷积核进行标准化BN处理和非线性激活Relu函数处理,最后在连接一个1*1的卷积核进行标准化BN处理和非线性激活Relu函数处理。本实施例中使用两个1*1的卷积核和一个3*3的卷积核是为了减少运算量,可提升实际的运算速度。
S3、将目标图像的编码信息和基于形状的换脸图像特征信息联合进行修复得到基于形状的换脸图像。
前面得到基于形状的换脸图像特征信息是不够完善的,需要对源图像和目标图像进行建模,计算两个面的形状差异;根据形状差异计算所缺失的语义流,使用语义流来修复基于形状的换脸图像特征信息。
S4、利用编码器对得到的基于形状的换脸图像进行处理得到编码信息,使用身份提取器对源图像进行处理得到身份信息。
首先对于给定的目标图像It通过编码器来提取其特征信息,在这里It是经过面部形状重塑网络之后生成的基于形状的换脸图像Isrn。
然后使用身份提取器对源图像进行处理,得到对应潜在空间的潜在编码,其中潜在空间是指具有语义编辑能力的特征空间,潜在编码是位于上述特征空间内的一个向量,其中身份提取器是一个人脸识别网络,能够得到人脸的身份信息向量。
S5、利用身份交换网络将源图像的身份信息嵌入到编码信息中得到基于五官的换脸图像特征信息。
身份交换网络用于更改基于五官的换脸图像特征信息的身份信息,身份交换网络用于更改基于五官的换脸图像特征信息的身份信息,其中身份交换网络输入有两部分组成,一部分是来自基于形状的换脸图像的特征编码信息直接输入,另一部分是源图像经过身份提取器处理后的身份信息,且源图像经过身份提取器处理后的身份信息嵌入到基于形状的换脸图像的特征编码信息中,得到基于五官的换脸图像特征信息;
身份信息矢量分别嵌入到ID-Block模型中的AdaIN块通道中,本实施例中ID-Block模型中包含三组AdaIN块通道,另外为了保证足够的身份嵌入,身份交换模块共有6个ID-Block模型,使用图像风格迁移算法AdaIN实现自适应实例规范化来取代原始的批量规范化。
在人脸交换任务中,修改应仅在身份部分进行,目标人脸的属性应保持不变,其中目标人脸的属性包括表情、姿势、照明。由于在整体上直接进行修改特征信息,同时包含目标人脸的身份信息和属性信息。
S6、将基于五官的换脸图像特征信息经过解码器后得到最终的换脸图像。
训练中涉及来自不同身份的源图像,且身份交换网络中的输入的目标图像信息为经过S1-S4的处理得到的基于形状的换脸图像信息;在嵌入身份信息后,将修改后的特征通过解码器来生成最终结果,得到的图像即为基于形状和五官的换脸图像。
上文一般性的对本发明做了详尽的描述,但在本发明基础上,可以对之做一些修改或改进,这对于技术领域的一般技术人员是显而易见的。因此,在不脱离本发明思想精神的修改或改进,均在本发明的保护范围之内。
Claims (5)
1.一种面部形状重塑与五官交换的换脸方法,其特征在于:包括如下步骤:
S1、利用3D重建模型对源图像和目标图像进行处理,使用语义分割模型对目标图像进行处理,得到属性特征信息处理,融合源图像的面部形状特征和目标图像的属性特征信息得到组合特征信息;
S2、拼接源图像的特征信息、目标图像的人脸分割图、组合特征信息得到融合编码特征,并将融合编码特征经过语义融合生成器得到基于形状的换脸图像特征信息;
S3、将目标图像的编码信息和基于形状的换脸图像特征信息联合进行修复得到基于形状的换脸图像;
S4、利用编码器对得到的基于形状的换脸图像进行处理得到编码信息,使用身份提取器对源图像进行处理得到身份信息;
S5、利用身份交换网络将源图像的身份信息嵌入到编码信息中得到基于五官的换脸图像特征信息;
S6、将基于五官的换脸图像特征信息经过解码器后得到最终的换脸图像;
所述S5中身份信息嵌入到编码信息具体步骤如下:
S51、身份交换网络用于更改基于五官的换脸图像特征信息的身份信息,其中身份交换网络输入有两部分组成,一部分是来自基于形状的换脸图像的特征编码信息直接输入,另一部分是源图像经过身份提取器处理后的身份信息,且源图像经过身份提取器处理后的身份信息嵌入到基于形状的换脸图像的特征编码信息中,得到基于五官的换脸图像特征信息;
S52、身份信息矢量分别嵌入到ID-Block模型中的AdaIN块通道,且ID-Block模型中包含三组AdaIN块通道;
所述S6中基于五官的换脸图像特征信息经过解码器的具体步骤如下:
S61、训练中涉及来自不同身份的源图像,且身份交换网络中的输入的目标图像信息为经过S1-S4的处理得到的基于形状的换脸图像信息;
S62、在嵌入身份信息后,将修改后的特征通过解码器来生成最终结果,得到的图像即为基于形状和五官的换脸图像。
2.根据权利要求1所述的一种面部形状重塑与五官交换的换脸方法,其特征在于:所述S1中得到属性特征信息处理具体步骤如下:
S11、利用3D重建模型对源图像和目标图像进行处理得到人脸标志系数,所述人脸标志系数包括面部形状、姿势、表情和相机数据;
S12、将源图像的人脸标志系数和目标图像人脸标志系数进行拼接得到一个新的组合特征。
3.根据权利要求1所述的一种面部形状重塑与五官交换的换脸方法,其特征在于:所述S2中得到基于形状的换脸图像特征信息的具体步骤如下:
S21、对源图像的特征信息、目标图像的人脸分割图、组合特征信息进行拼接,得到融合编码特征;
S22、语义融合生成器输入融合编码特征,并进行上采样以及拼接,得到上采样融合编码特征;
S23、输入的上采样融合编码特征先经过卷积核调整通道数,再通过下采样和一个具有三个卷积核的卷积块操作,三个所述卷积核依次对采样融合编码特征进行卷积处理,最后输出基于形状的换脸图像特征信息。
4.根据权利要求1所述的一种面部形状重塑与五官交换的换脸方法,其特征在于:所述S3中进行修复具体步骤如下:
S31、对源图像和目标图像进行建模,计算两个面的形状差异;
S32、根据S31中形状差异计算所缺失的语义流,使用语义流来修复基于形状的换脸图像特征信息。
5.根据权利要求3所述的一种面部形状重塑与五官交换的换脸方法,其特征在于:三个所述卷积块具体为:三层卷积块内部细节为首先是一个1*1的卷积,然后进行标准化BN处理和非线性激活Relu函数处理,接着再连接一个3*3的卷积核进行标准化BN处理和非线性激活Relu函数处理,最后再连接一个1*1的卷积核进行标准化BN处理和非线性激活Relu函数处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410300889.9A CN117893642B (zh) | 2024-03-15 | 2024-03-15 | 一种面部形状重塑与五官交换的换脸方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410300889.9A CN117893642B (zh) | 2024-03-15 | 2024-03-15 | 一种面部形状重塑与五官交换的换脸方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117893642A CN117893642A (zh) | 2024-04-16 |
CN117893642B true CN117893642B (zh) | 2024-06-28 |
Family
ID=90647720
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410300889.9A Active CN117893642B (zh) | 2024-03-15 | 2024-03-15 | 一种面部形状重塑与五官交换的换脸方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117893642B (zh) |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110889381B (zh) * | 2019-11-29 | 2022-12-02 | 广州方硅信息技术有限公司 | 换脸方法、装置、电子设备及存储介质 |
CN112734634B (zh) * | 2021-03-30 | 2021-07-27 | 中国科学院自动化研究所 | 换脸方法、装置、电子设备和存储介质 |
CN113240792B (zh) * | 2021-04-29 | 2022-08-16 | 浙江大学 | 一种基于人脸重建的图像融合生成式换脸方法 |
-
2024
- 2024-03-15 CN CN202410300889.9A patent/CN117893642B/zh active Active
Non-Patent Citations (2)
Title |
---|
Facial feature representation and face recognition with Neighborhood-based Binary Patterns;Memis, A.;《2018 26th Signal Processing and Communications Applications Conference》;20181231;全文 * |
基于Candide-3算法的图像中面部替换技术;黄诚;;计算技术与自动化;20180615(02) * |
Also Published As
Publication number | Publication date |
---|---|
CN117893642A (zh) | 2024-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Khakhulin et al. | Realistic one-shot mesh-based head avatars | |
CN113744374B (zh) | 一种基于表情驱动的3d虚拟形象生成方法 | |
US7535472B2 (en) | Method for generating intuitive quasi-eigen faces | |
Choe et al. | Analysis and synthesis of facial expressions with hand-generated muscle actuation basis | |
CN110728219A (zh) | 基于多列多尺度图卷积神经网络的3d人脸生成方法 | |
CN107657664B (zh) | 人脸表情合成后的图像优化方法、装置、存储介质和计算机设备 | |
KR101148101B1 (ko) | 얼굴 표정 리타게팅 방법 | |
CN113808005A (zh) | 一种基于视频驱动的人脸姿态迁移方法及装置 | |
CN115914505B (zh) | 基于语音驱动数字人模型的视频生成方法及系统 | |
Yu et al. | VTON-MP: Multi-pose virtual try-on via appearance flow and feature filtering | |
CN116385667B (zh) | 三维模型的重建方法、纹理重构模型的训练方法以及装置 | |
CN112819951A (zh) | 一种基于深度图修复的带遮挡三维人体重建方法 | |
Zhu et al. | Champ: Controllable and consistent human image animation with 3d parametric guidance | |
CN115346000A (zh) | 三维人体重建方法、装置、计算机可读介质及电子设备 | |
CN116168186A (zh) | 一种服装长度可控的虚拟试衣图生成方法 | |
CN113989441B (zh) | 基于单张人脸图像的三维漫画模型自动生成方法及系统 | |
Park et al. | ED-NeRF: Efficient Text-Guided Editing of 3D Scene using Latent Space NeRF | |
CN117115331B (zh) | 一种虚拟形象的合成方法、合成装置、设备及介质 | |
CN112991484B (zh) | 智能人脸编辑方法、装置、存储介质及设备 | |
Bergman et al. | Articulated 3d head avatar generation using text-to-image diffusion models | |
CN117593178A (zh) | 一种基于特征引导的虚拟试衣方法 | |
CN116310146B (zh) | 人脸图像重演方法、系统、电子设备、存储介质 | |
CN117893642B (zh) | 一种面部形状重塑与五官交换的换脸方法 | |
Tejera et al. | Animation control of surface motion capture | |
CN116863044A (zh) | 人脸模型的生成方法、装置、电子设备及可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |