数据驱动的卡通人脸夸张表现方法研究.pdfVIP

数据驱动的卡通人脸夸张表现方法研究 摘 要 由计算机生成卡通人脸是多媒体技术与计算机图形学领域的热点研究问题，其关键 点在于如何对目标人脸的有效特征进行夸张。但传统的手工夸张方法和基于规则的夸张 方法都存在一些实际问题，如无法满足实时性要求、需要很强的艺术背景知识或成本太 高等。本文采用数据驱动的思想，基于艺术家手工作品数据，用主成分分析、流形学习 等方法对卡通夸张模式进行挖掘与描述。提出了基于子空间的映射学习方法、流形迁移 方法以及层次流形回归方法，分别解决了人脸多特征发现与卡通协同夸张问题、卡通夸 张风格重建的问题以及稀疏数据条件下的夸张模式学习问题等。相比已有工作，在生成 卡通人脸的夸张性、艺术性、相似性等指标方面均有提高。 具体包括以下几方面工作： 1．对涉及的多种人脸数据集进行了特性分析和处理。基于MAYA 软件人工建立了 容量为 100 幅的三维卡通人脸数据集。对二维真实人脸、二维卡通人脸及三维卡通人脸 数据集进行了特征提取与特征对齐。 2 ．提出了基于子空间多特征发现的卡通协同夸张方法，并应用于二维卡通人脸合成 问题。卡通人脸由多种特征协同夸张来共同表现，但传统规则法在人脸多特征发现和同 步夸张方面存在不足。本文针对真实人脸与卡通人脸两个数据集之间共享主成分这一特 点，采用子空间映射学习的方法实现了人脸多特征的发现和协同夸张。首先按一定比例 关系组成真实人脸与卡通人脸的混合数据集，对其进行主成分分析来发现其共同特征空 间。然后基于该特征空间，利用一一映射的真实人脸与卡通人脸“数据对”学习二者的 非线性映射关系，最后根据获得的映射模型预测输入人脸的卡通形状特征。 3．提出了流形约束下的夸张风格重建方法，并用于解决只有单张卡通图片的三维卡 通重建问题。需要多张照片的三维人脸重建算法无法适用于本问题，而基于单张照片的 线性重建方法对三维卡通人脸的细节信息表达不足。本文针对二维卡通人脸与三维卡通 人脸两个数据集都具有流形分布，且来源于同一流形的特性，采用迁移学习的思想对共 享流形进行挖掘，然后基于共享流形来重建三维卡通人脸。流形迁移迭代算法包括三个 步骤：首先对二维卡通人脸与初始化的三维卡通人脸进行双层流形降维，然后基于获得 的共享流形对三维数据进行重建，最后应用克里金插值法对重建模型给予修正。此算法 正常收敛，比线性重建方法更好保持了原始数据所具有的整体夸张风格。 4 ．提出了面向稀疏数据学习的夸张模式层次回归方法，并应用于三维卡通人脸生成 问题。现实中的三维卡通人脸数据十分稀少，导致常规学习方法回归精度较低。针对二 I 数据驱动的卡通人脸夸张表现方法研究 维真实人脸、二维卡通人脸与三维卡通人脸都具有流形分布，且三者之间具有层次函数 关系这一特点，本文首先提出了一种基于三个数据集的层次流形回归方法（HMR ），然 后对三维卡通人脸进行流形降维获得三维夸张模式，再基于一一对应的二维真实人脸与 三维夸张模式，采用 HMR 方法学习两个流形之间的非线性回归模型。对新输入的人脸 数据，则可用该回归模型预测其三维夸张模式，进而通过流形升维即可得到最后的三维 卡通人脸。 5．形成了面向实际应用的两个系统，即基于互联网与移动通信网络的手机彩信生成 系统和基于虚拟游戏场景的个性化三维虚拟人化身（Avatar ）生成系统。 关键词：人脸合成；三维卡通人脸；计算机图形学；数据驱动；层次流形回归 II 数据驱动的卡通人脸夸张表现方法研究 Data-Driven Exaggeration of Cartoon Face LIU Junfa (Computer Application) Directed By GAO Wen (Professor) Cartoon faces are favorite resources of creative multimedia in digital