日常生活において，顔のァピアランス(見た目，外観，容姿)は相手が受ける印象に大きな影響を与え，コミュニケーションを円滑に行うための重要な役割を果たしている.そのとき，顔のァピアランスは3次元形状や表情に大きく依存するので,顔の評価を行うには3次元表情動画像が必要不可欠であると考えられる.しかし，3次元動画像の取得にはコストと時間がかかることから3次元表情動画像データベースの確立は困難であり，顔や表情などの印象を評価する際の情報として単視点，無表情しか存在しない場合が多い.そこで，本研究では顔形状の事前学習に基づいて顔画像1枚から3次元表情動画像の生成手法を提案する.実験の結果,平均誤差は8[pixel]以下であった.このことから顔写真1枚から人物らしい3次元表情動画像を生成 する手法の有効性を示した.%Dynamic 3D facial expression images are important in many computer vision and graphic applications, such as expression recognition and animation. However, it is difficult to establish dynamic 3D expression images since it takes much cost and time. Thus, in my research, We try to reconstructed dynamic 3D images from only one facial image using machine learning approach. The results show that the proposed method can effectively generate the dynamic 3D expression images using only one input 2D image of 2816 by 2112in size, and the average error is 8 pixel.
展开▼
机译：在日常生活中，面部表情（外表，外表，外表）对对方的印象有很大影响，并且在促进交流中起着重要作用。人们认为3D面部表情对于面部评估是必不可少的，因为3D面部表情很大程度上取决于面部表情。建立数据库很困难，并且在许多情况下，只有一个视点，而没有表情作为评估印象的信息，例如面部和面部表情。我们提出了一种生成3D面部表情运动图像的方法，实验结果表明，平均误差小于8 [像素]。 ％动态3D面部表情图像在许多计算机视觉和图形应用程序中（例如表情识别和动画）都很重要，但是由于要花费大量时间和金钱，因此很难建立动态3D表情图像。在研究中，我们尝试使用机器学习方法仅从一张面部图像中重建动态3D图像。结果表明，该方法仅使用一张输入的2816 x 2112尺寸的2D图像即可有效地生成动态3D表达图像，并且平均错误是8像素。
展开▼
