基于离散形状空间的表情编辑方法

摘要

针对人脸表情编辑中受表情姿态影响以及素描和漫画样本量少、训练样本不充分的问题,提出了一种基于离散形状空间(Kendall形状空间)的黎曼框架,其能够利用非线性手段解决人脸表情编辑中存在的数据局限问题,同时能实现中间插值和外延。其核心思想为首先基于人脸特征点构建离散形状空间中表示,在形状空间中实现基于图像的三维人脸建模,其次通过形状空间上的工具获得表情编辑三维模型,最后通过三维模型控制二维漫画或素描,实现基于图像的人脸表情插值和表情外延。Kendall形状空间能够消除平移、缩放和旋转等刚性变换,因此提出的表情编辑方法对面部姿势鲁棒。实验结果表明,该方法能有效且自动地实现漫画和素描表情插值和表情延拓,并保留原图像的真实感。同时,与深度学习方法相比,提出的方法避免了构建漫画和素描训练集的复杂性。