從1小時到3.5分鐘，Meta新演算法一部手機搞定3D人臉資料採集

魚羊 發自 凹非寺

量子位 | 公眾號 QbitAI

搞定這樣的人臉3D建模需要幾步？

在資料採集的階段，答案是：一部手機 + 3。5分鐘。

沒錯，僅憑這3。5分鐘的資料，就足以生成

高保真

、

可驅動

的真實3D人臉頭像。

這項研究來自Meta Reality Labs——就是扎克伯格元宇宙計劃裡的那個核心部門。論文已經被SIGGRAPH 2022接收。

作者提到，這一方法適用於VR應用。

也就是說，在VR的世界裡，以後你可能就不必頂著一張卡通臉登場了。

而是可以方便地與胖友們“真身”相見。

方法原理

實現這一結果的方法框架如下圖所示：

具體而言，分為三個部分。

首先，是要用大型多視角人臉資料集訓練一個超網路

，這個超網路可以透過神經網路解碼器產生專屬於個人的頭像引數。

資料集中的人臉由多視角捕捉系統採集，包括255位不同年齡、性別和種族參與者的面部影象資料。

△左為影象捕獲裝置；右為採集到的人臉

這個捕獲3D人臉的巨型裝置是Meta在2019年研發的，其中配備171個高解析度攝像頭，每秒能記錄180GB資料。採集時間在1個小時左右。

值得一提的是，在這個超網路中，解碼器的基本組成模組是帶有bias map的卷積上取樣層。

這些bias map會被用來生成體積單元，進而透過射線追蹤來渲染頭像。

另外，該解碼器結構能夠將視線與其他面部活動區分開，這在VR應用中意味著能夠更直接地利用眼動跟蹤系統。

其次，是輕量級人臉表情捕捉

。

在這項研究中，採集人臉只需要用到一部帶有深度攝像頭的智慧手機。

實驗中，研究人員採用的是iPhone 12。

採集過程就像這樣：

採集到的資料要進行如下處理：

獲取每一幀人臉影象中的幾何形狀和紋理；

對輸入的RGB影象進行人臉標誌檢測和人像分割；

對模板網格進行擬合和變形，以匹配檢測到的人臉標誌物、分割輪廓和深度圖；

對每一幀影象的紋理進行解包，而後彙總得到完整的人臉紋理。

在進一步完善模型的過程中，還需要採集65種特定的表情：

最後，該方法輸出的3D人臉頭像不僅能與使用者外觀高度匹配，透過全域性表情空間，還能對其進行進一步的驅動、控制。

研究人員表示，整個採集過程大概要花費

3.5分鐘

。

不過需要說明的是，建模的過程不是實時的，資料處理還要花費數小時的時間。

實驗結果

說了這麼多，效果如何，我們還是來看實驗結果。

與Pinscreen提出的“一張照片構建3D數字化身”（CVPR 2021）的方法相比，該方法能生成更具真實感的人臉模型。

而與海德堡大學、慕尼黑工業大學、馬普所等研究機構在

Neural Head Avatars from Monocular RGB Videos

一文中提出的方法相比，該方法能生成保真度更高的結果。

不過，作者也指出了該方法的侷限性：hold不太住長髮和眼鏡，容易產生偽影。另外，該方法對於光照條件也有一定要求。

參考連結：

［1］論文：https：//drive。google。com/file/d/1i4NJKAggS82wqMamCJ1OHRGgViuyoY6R/view

［2］Demo：https：//www。youtube。com/watch？v=t7_TMD7v0Xs

— 完 —