Ji-won nouvelle compilation
Si vous avez utilisé l'application smartphone Snapchat (traduction: national similaire Mito Xiu Xiu), vous pouvez ajouter vos propres photos en ours disco, ou de se fondre votre visage avec le visage d'une autre personne. Maintenant, une équipe de chercheurs a créé le plus la technologie de modélisation de visage 3D de pointe. L'utilisation de ce système ne peut pas seulement d'améliorer le jeu vidéo avatar personnalisé, améliorer la sécurité de la reconnaissance faciale - bien sûr, vous permet également d'avoir une meilleure Snapchat filtres.
Lorsque le traitement informatique du visage, parfois compter sur un soi-disant « modèle déformable 3D » (3DMM). Ce modèle représente une moyenne visage, mais il contient également des informations à ce biais moyen en mode commun. Par exemple, comme un visage long, long nez peut aussi avoir un long menton. Compte tenu de cette corrélation, l'ordinateur peut être faite sans l'information pertinente qui caractérise tous votre visage vers le bas magasin, listes seulement quelques centaines de chiffres décrivent votre visage et l'écart moyen du visage, il est possible de générer vous exclusivement images du visage. De plus, ces déviations, comprenant en outre une manière générale l'âge, le sexe, et les paramètres de longueur nominale.
Cependant, cela est aussi un problème. Parce que les gens sur la face du monde en constante évolution, à tous les visages et l'écart moyen sont stockés face vers le bas, le besoin 3DMM d'intégrer un grand nombre de face d'informations. Jusqu'à présent, la méthode utilisée consiste à analyser un grand nombre de visages humains, puis soigneusement manuellement marqué toutes les fonctionnalités. En conséquence, le meilleur modèle est uniquement basée sur des centaines de visages humains - la plupart d'entre eux sont blancs, et la capacité de mimer modèle différent en termes d'âge et l'origine ethnique visage très limitée.
Combinaison de trois algorithmes, précise la modélisation automatique des visages 3D
Maintenant, Imperial College London (ICL) est un informaticien James Booth et ses collègues ont développé une nouvelle méthode qui peut construire automatiquement 3DMM, et pour leur permettre d'intégrer dans la plus large du visage, comme les caractéristiques des races différentes. Cette méthode comporte trois étapes principales. Tout d'abord, un algorithme pour le visage automatique numérisé marquage d'image (landmnrk) - La pointe du nez et d'autres points marqués avec des étiquettes. Ensuite, un autre algorithme trie toutes les images numérisées en fonction de la marque et de leurs combinaisons dans un modèle. Enfin, le troisième algorithme pour détecter et supprimer les indésirables (mauvais) dans une image numérisée.
Non impliqué dans l'étude de William Smith de l'Institut britannique Computer Vision de l'Université de York, a déclaré: " Ce travail de contribution vraiment grand est qu'ils montrent comment ce processus entièrement automatisé. "
Darmstadt, Allemagne Institut Fraunhofer pour Computer Graphics (Institut Fraunhofer pour la recherche Computer Graphics à Darmstadt, Allemagne) informaticien Alan Brunton n'a pas participé à l'étude. Brunton a fait remarquer que, sur la marque de visage est en fait très difficile, « Pensez-vous que l'étiquetage est le clic de la souris est facile, mais où est la bouche est souvent pas claire, donc même marquage manuel aussi une erreur se produit. « en outre, Brunton, marquage dans les gens beaucoup de visage de Zhang est très fastidieux et ennuyeux travail.
Il existe deux types de 3DMM pour établir une technique dense correspondant (correspondance dense). La rangée supérieure dans l'espace UV (projection en forme de grille est généralement cylindrique et l'information de texture), établie en personne correspondant à la face. Chaque image de grille sont enregistrées à l'image de modèle UV UV, puis génère un motif d'échantillon mélangée (mesh) correspondant à un modèle. rangée inférieure non rigides montre le point le plus proche itératif (IPCN), NICP itération peut être modifié en continu en fonction du modèle pour chaque grille 3D, d'éviter complètement l'espace UV. Source :. Booth, J., Roussos, A., Ponniah, A. et al Int J Comput Vis (2017) doi :. 10.1007 / s11263-017-1009-7
Création à grande échelle modèle de visage LSFM, contiennent races, âges qui font face à
Après la mise en place d'un tel système de modélisation du visage automatique 3D, applications, Booth et ses collègues se diversifient également le système à près de 10000 personnes face à l'image numérisée été démographique. Cette analyse est un chirurgien plasticien David Dunaway Allan Ponniah et à faire à London Science Museum, le but de ces analyses est qu'ils ne veulent améliorer la qualité de la chirurgie de reconstruction faciale.
Après la numérisation est terminée, Ponniah et Dunaway ont contacté des informaticiens ICL Stefanos Zafeiriou, qui veulent les aider à analyser les données. Ainsi, Zafeiriou également impliqué dans le projet, qui sera appliqué à l'image scannée algorithme de Booth, ils ont créé ce qu'ils appellent « un modèle à grande échelle d'un visage humain » (grande échelle modèle du visage, LSFM).
Dans l'essai de comparaison avec les modèles existants, LSFM une représentation plus précise du visage humain, maintenant papiers prépublication de Computer Vision a été publiée en ligne dans le Journal International Springer, le prochain numéro sera publié.
Dans une expérience comparative, ils ont utilisé la photographie d'un enfant de l'enfant création de modèle de visage 3D cela. Utilisez LSFM, regards modèle le plus comme l'enfant dans la photo. Cependant, l'utilisation la plus commune un modèle déformable - ressemble à rien à voir avec les enfants sur une génération de modèle photo des adultes - données de ces modèles repose entièrement sur les adultes.
Visualisation modèle de forme LSFM globale présente: la gauche est la forme moyenne ([mu]), puis derrière les cinq premières composantes principales, chacune de la face arrière pour ajouter ou soustraire certaines caractéristiques de la surface moyenne. Source :. Booth, J., Roussos, A., Ponniah, A. et al Int J Comput Vis (2017) doi :. 10.1007 / s11263-017-1009-7
Booth et ses collègues ont assez des images numérisées pour créer un modèle de déformation plus spécifique pour les gens de différentes races et âges. Non seulement cela, leur modèle peut être classé automatiquement par âge selon la forme du visage du visage.
-
Papier: à grande échelle Modèles 3D Deformable
résumé
Nous présentons un modèle de visage massive (LSFM), qui est un modèle de déformation en 3 dimensions (3DMM), à partir de 9663 pour construire automatiquement un indicateur de visage unique. Les chercheurs ont mis en place, en fonction de leur compréhension, LSFM est de loin le plus important d'être construit à partir du modèle de déformation contient des informations statistiques extraites d'un énorme variables démographiques. Afin de construire un modèle de ce fait, les chercheurs ont créé une nouvelle et entièrement automatisée et un modèle stable de déformation pour construire le pipeline pour obtenir la meilleure information par les technologies de communication dense (dense) évalués.
ensemble de données de formation LSFM comprend une mine d'informations démographiques sur chaque sujet, non seulement de construire le modèle 3DMM du monde, vous pouvez également créer un modèle pour un âge, un sexe ou d'un groupe ethnique. Les chercheurs qui utilisent le modèle proposé, la forme 3D de la classification par âge effectuées séparément, et reconstruit en dehors des données de bruit échantillon de l'espace modèle de faible dimension. De plus, ils analyse également des systèmes modèles construits 3DMM, la qualité et démontrent sa capacité à décrire.
qualitative de la profondeur et des études d'évaluation quantitative présentés montrent, 3DMM qu'ils ont fait a fait les résultats les plus avancés, beaucoup mieux que le modèle existant. Enfin, au profit de la communauté de recherche, ils décrit une construction automatique 3DMM du code source du pipeline proposé, et la construction 3DMM mondiale et une variété de modèles personnalisés adaptés selon l'âge, le sexe et la race.
construction automatique grand schéma de principe de 3DMM. (1) sur la base d'une vision intégrée montrant le marquage automatique. Ces vues enregistrées des informations de forme du niveau de pixel, ainsi le marquage 2D (repère) surface arrière crédible projetée 3D. (2) sous la conduite du marquage automatique, les itérations de déformation de modèle 3D continuent de faire correspondre avec précision l'ensemble pour chaque portion de maille données 3D. (3) Construction de l'APC global initial, (4) la suppression automatique d'une erreur correspondante. (5) les données des modèles de construction de la LSFM restant propre. Source :. Booth, J., Roussos, A., Ponniah, A. et al Int J Comput Vis (2017) doi :. 10.1007 / s11263-017-1009-7
Produire modèle texturé sur mesure pour un sous-ensemble particulier d'ensemble de données MeIn3D. Source :. Booth, J., Roussos, A., Ponniah, A. et al Int J Comput Vis (2017) doi :. 10.1007 / s11263-017-1009-7
système de formation AI fera face à un instantané 2D précis dans les modèles 3D
Booth équipe a maintenant un nouveau modèle sera mis en service. Dans un autre document, ils contribuent aussi du papier CVPR Normales visage 2017 de « in-the-wild » en utilisant pleinement les réseaux parmi les convolutifs chercheurs ont utilisé la synthèse de LSFM de 100.000 visages dans la formation d'un programme d'intelligence artificielle de, sera tout (occasionnel ) 2D instantanés dans le modèle de visage 3D précis. Les chercheurs ont déclaré que cette méthode peut être utilisée pour voir les photos des suspects sur un autre point de ce qui ressemble à, ou ce que les 20 prochaines années le visage tourné genre. Quant au public d'être une application plus biaisée, vous pouvez également utiliser le système pour faire de cette figure 3D qui sont les portraits historiques.
De gauche à droite: Photoface, TIC-3DRFE, l'ajustement du modèle déformable 3D (montage), modèle déformable 3D proposé par les auteurs en utilisant des images de synthèse. Chaque jeu de données est inférieure vérité terrain associée à la ligne normale. Source :. Trigeorgis G.et al, Normales visage "in-the-wild" à l'aide des réseaux entièrement convolutifs
LSFM a les applications médicales potentielles. Si quelqu'un manque un nez pour une raison quelconque, cette technologie peut être basée sur les caractéristiques des autres parties du visage pour aider le chirurgien orthopédique pour déterminer le nouveau nez dans ce qui devrait être long.
En outre, les analyses du visage peuvent également être utilisés pour identifier les maladies génétiques possibles, telles que le syndrome de Williams (voir note), et qui est une condition associée à des problèmes cardiaques. Mieux modèle de visage et sa variation des données caractéristiques peuvent améliorer la précision de ces tests. Ponniah a dit que le nouveau modèle « ouvre plusieurs portes plus. »
Notes: Syndrome de Williams, une des anomalies du développement neurologique rares, les patients à faible pont du nez, avec un elfe, comme l'apparence, et les traits du visage plus prononcé avec l'âge. La plupart des patients souffrant d'un retard mental, mais mieux que la capacité de la langue normale, le comportement excité et peur de la vie. Les symptômes comprennent les maladies cardio-vasculaires tels que la sténose de la valve aortique avec hypercalcémie, la maladie a fait partie du médecin est appelé hypercalcémie infantile spontanée (hypercalcémie infantile idiopathique) ne décrit pas complètement le temps.
-
Papier: convolution complet utilisant la réduction du réseau « in-the-wild » visage humain
résumé
Dans cette étude, nous proposons une méthode de plus de données, résoudre comment prédire le plan global général d'une photographie unique concentrée en mettant particulièrement l'accent sur le visage humain. Paper a créé une nouvelle façon d'explorer l'ensemble de données disponibles pour le visage de la faisabilité de la construction de la base de données. Les chercheurs ont délibérément conçu un réseau de neurones pour évaluer la profondeur de la surface de convolution face inférieure normale humaine « in-the-wild » état. A également formé une convolution complète du réseau, avec précision peut restaurer l'expression normale de diverses expressions de l'image. Nous comparons les dernières techniques de reconstruction Shape-de-shading et 3D, les résultats montrent que notre réseau proposé peut restaurer de façon spectaculaire un visage humain plus précis et réaliste. De plus, par rapport aux autres méthodes existantes pour restaurer la surface spécifique du visage, en raison de la nature de convolution complète de notre réseau, nous ne devons résoudre les problèmes d'alignement spécifiques.
Helen en utilisant des ensembles de données, et l'estimation des exemples de reconstruction de surface normale du visage. Le est proposé par plus à gauche les auteurs, les deux derniers suivis par IMM (Note: base de données de face créée par l'Université technique du Danemark, comprend 240 différentes postures, expressions du visage, image face lumière) et Marr revisité.
Reconstruction portion exemplaire de la surface. Ce sont dans le groupe constitué par le visage 300W ensemble de données « in-the-wild » généré. La figure montre le réseau proposé par les auteurs peuvent être largement appliqués à de multiples visages et expressions. 300W extrême gauche est l'ensemble de données d'image d'origine. 3D est une reconstruction de forme intermédiaire, colonne de droite pour convertir l'image en texture échantillonnage dans une forme. Source :. Trigeorgis G.et al, Normales visage "in-the-wild" à l'aide des réseaux entièrement convolutifs
Et les plans de recherche futurs
Les chercheurs du prochain plan est d'ajouter les données de modèle liées à l'expression du visage, donc soit rire ou pleurer, comme toute forme de modèle de visage peut identifier. Zafeiriou dit qu'ils sont maintenant de retour au musée, analyse l'information de visage plus de touristes.
Articles connexes:
À grande échelle des modèles 3D morphing (OA) : Https: //link.springer.com/article/10.1007/s11263-017-1009-7
Normales face "in-the-wild" à l'aide des réseaux entièrement convolutifs (soumis CVPR 2017) : Https: //ibug.doc.ic.ac.uk/media/uploads/documents/normal_estimation__cvpr_2017_-4.pdf
rapports scientifiques Http: //www.sciencemag.org/news/2017/05/computer-scientists-have-created-most-accurate-digital-model-human-face-here-s-what-it
Le recrutement de nouveaux Zhi Yuan
Position: Account Manager
Position Salaire annuel: 12-250000 (Bonus Salaire +)
Lieu: Beijing - Haidian District
Département: Ministère des clients
Rapport: Directeur de compte
Expérience professionnelle: 3 ans
Langue: Anglais + chinois mandarin
Education: Baccalauréat à temps plein examen d'entrée de l'école
Description du poste:
compréhension précise des besoins des clients et le positionnement de la marque de l'entreprise, la planification d'écrire des programmes de coopération;
La pensée, la capacité active, créative et forte pour contrôler le texte, l'utilisation habile du PPT, avec de bonnes compétences d'appréciation et de présentation visuelle, PS capacité exceptionnelle qui a le mieux;
Chaud et de bonne humeur, de bonnes relations interpersonnelles, de bonnes aptitudes de communication et de collaboration, un joueur d'équipe;
D'excellentes activités de préparation et de la capacité de mise en uvre, une forte compression et la résistance à adapter aux travaux d'intensité élevée;
Il 4A, les entreprises PR priorité expérience de travail ;
En particulier le domaine de la haute technologie de l'intelligence artificielle ont un fort intérêt, plus les points.
responsabilités:
Impliquez, la gestion, le suivi de l'avancement du projet attribué par ses supérieurs pour assurer la mise en uvre du plan. Développer, participer à ou faciliter la mise en uvre des politiques et des systèmes connexes-supérieur. Sur une base régulière afin de fournir des informations précises sur le marché et l'information des clients appartenant à l'entreprise, l'analyse des besoins des clients, entretenir des relations clients clés avec des entreprises spécifiques, et de rechercher activement des occasions de développer de nouvelles affaires. Construire et gérer des bases de données clients, suivre et analyser les informations pertinentes.
Les candidats E-mail: jobs@aiera.com.cn
HR micro-canal: 13552313024
Ji-won nouvelles personnes accueillent avec de nobles idéaux à venir à l'entrevue, s'il vous plaît cliquer sur le recrutement plus [Nouveau] Chi Yuan recrutement Voir.
