Метод создания 3D-аватара на основе одной фотографии

3D аватар из одного изображения - маска
Сравнения разных методов создания 3D аватара

Создание реалистичных аватаров играет ключевую роль в достижении комфортной коммуникации между людьми в виртуальной среде. Идеальный способ получения реалистичного 3D аватара: человек делает селфи, загружает фото в сеть и получает аватара в виртуальной реальности, который имеет точные черты лица владельца и соответствующее альбедо (отражательная способность поверхности лица). Всё просто. Однако на практике для достижения поставленной цели приходится идти на значительные компромиссы между количеством входных изображений, объёмом вычислений и качеством результата.

Рис.1. 3D текстуры лица, полученные на основе одной фотографии
Рис.1. 3D текстуры лица, полученные на основе одной фотографии

Несмотря на сложность задачи, группа исследователей из Технологического Института Южной Калифорнии (USC Institute for Creative Technologies) заявила, что их нейросеть позволяет эффективно создавать точные 3D-текстуры на основе одной фотографии, снятой в произвольном ракурсе. Более того, такие текстуры отличаются высоким качеством исполнения, и при этом не требуют больших вычислительных затрат и работы профессионального фотографа для получения фото.

Приходится идти на компромиссы между количеством входных изображений, объёмом вычислений и качеством результата.

Итак, давайте рассмотрим этот подход к созданию 3D-текстур.

Краткий обзор метода

Нейросеть обучена на датасете из сканов лиц высокого разрешения, которые получены с помощью современных фотометрических систем, снимающих под разными ракурсами. Она позволяет получить карты альбедо и геометрии лица на основе 2D-изображения, которое может быть получено при произвольном освещении и частичном затенении лица. Полученные карты могут быть использованы для отрисовки реалистичного 3D-аватара в других условиях освещения. Весь процесс создания 3D-текстуры занимает всего лишь несколько секунд.

Поставленная задача разбита на несколько частей, каждая из которых решается отдельной свёрточной нейросетью:

  • 1-й шаг. Вначале система получает грубую геометрию лица посредством аппроксимации входного изображения 3D-шаблоном. Затем происходит получение из шаблона начальной карты альбедо. Далее используется нейросеть для оценки диффузного и зеркального альбедо и получения карт смещений входного изображения относительно шаблона.
  • 2-й шаг. Из-за условий съёмки или частичного затенения лица карты получаются с недостающими областями, поэтому они подаются на вход нейросетей, добавляющих недостающие участки текстур. Высокая точность добавленных текстур достигается с помощью image-to-image translation сетей, в которых особенности изгибов черт лица на скрытых пространствах доворачиваются таким образом, чтобы достичь естественной степени симметрии лица, сохраняя при этом локальные отклонения.
  • 3-й шаг. Ещё одна нейросеть используется для прорисовки деталей в дополненных областях.
  • 4-й шаг. Свёрточная нейросеть повышает разрешение конечного изображения с 512х512 до 2048х2048.

Рассмотрим структуру предлагаемой модели более детально.

Структура модели в деталях

Схема предлагаемого подхода изображена на картинке внизу. Из одного изображения извлекается базовая сетка лица и соответствующая ей карта текстур. Эта карта пропускается через свёрточные нейросети, которые выдают карты смещений и альбедо. Так как они могут иметь отсутствующие участки, то на следующем шаге производится дорисовка и усовершенствование текстур на основе информации из доступных областей изображения. И наконец, выполняется увеличение разрешения дополненных областей. Полученные карты геометрии и альбедо лица могут быть использованы для создания 3D-текстур в других условиях освещения.

Рис.2. Схема предлагаемого метода
Рис.2. Схема предлагаемого метода

Вывод геометрии и альбедо. Для вывода базовой геометрии лица и ориентации головы применяется алгоритм попиксельной оптимизации. Эти данные используются для создания карты текстур посредством UV-преобразования. Область вне лица удаляется. Далее для получения карт альбедо и смещения извлечённая текстура в RGB палитре передаётся в нейросеть архитектуры U-net с пропущенными соединениями.

Для достижения наилучшего результата применяются две нейросети с идентичной архитектурой: одна работает с диффузной картой альбедо (“подповерхностная” часть), а другая — с тензором, полученным посредством объединения карты зеркального альбедо с картами смещения средних и высоких частот (поверхностные части).

Дополнение текстуры с учетом симметрии. На данном этапе используются два потока нейросети: один поток — для дополнения диффузного альбедо, а другой — для дополнения других составляющих (зеркального альбедо, смещений в средних и высоких частотах).

Было обнаружено, что дополнение больших областей при высоком разрешении изображения не даёт удовлетворительного результата, так как в этом случае возрастает сложность обучения. Поэтому процесс дополнения был разделён на ряд стадий, которые изображены на рисунке ниже.

Рис.3. Схема метода дополнения текстур
Рис.3. Схема метода дополнения текстур

Более того, исследователи усилили пространственную симметрию UV-параметризации и достигли максимального покрытия особенностей с помощью поворота промежуточных особенностей относительно оси V в UV-плоскости. Это придало конечным текстурам естественную степень асимметрии, характерную для человеческого лица.

Каждая нейросеть была обучена с использованием оптимизатора Adam на скорости обучения 0.0002.

Рис.4. Примеры полученных 3D-текстур лица в новых условиях освещения
Рис.4. Примеры полученных 3D-текстур лица в новых условиях освещения

Результаты

Количественные оценки способности системы восстанавливать альбедо и геометрию лица были сделаны на основе 100 тестовых изображений. Данные оценки представлены в таблице ниже.

Табл.1. Пиковое отношение сигнал-шум (PSNR) и структурная схожесть (SSIM) полученных 3D-текстур в сравнении с реальными значениями
Табл.1. Пиковое отношение сигнал-шум (PSNR) и структурная схожесть (SSIM) полученных 3D-текстур в сравнении с реальными значениями

Несмотря на то, что мы наблюдаем сравнительно высокое отклонение от реальных значений зеркального альбедо, качественные оценки показывают, что полученные текстуры приемлемы для создания реалистичных и качественных аватаров.

Рис.5. Увеличенные участки изображений, показывающие созданные мезоскопические детали
Рис.5. Увеличенные участки изображений, показывающие созданные мезоскопические детали

Более того, результаты были приведены в качественное и количественное сравнение с результатами других современных методов. Это сравнение показало, что представленный подход позволяет получить более правдоподобные текстуры лица, чем любой из альтернативных методов.

Рис.6. Сравнение результатов различных методов: PCA, Visio-lization [Mohammed et al. 2009], современный метод извлечения карты диффузного альбедо [Saito et al. 2017], предлагаемый метод (Ours).
Рис.6. Сравнение результатов различных методов: PCA, Visio-lization [Mohammed et al. 2009], современный метод извлечения карты диффузного альбедо [Saito et al. 2017], предлагаемый метод (Ours).
Табл.2. Количественное сравнение предложенной модели с несколькими альтернативными методами, PSNR — пиковое отношение сигнал-шум, RMSE — среднеквадратичное отклонение.
Табл.2. Количественное сравнение предложенной модели с несколькими альтернативными методами, PSNR — пиковое отношение сигнал-шум, RMSE — среднеквадратичное отклонение.

В сухом остатке

Предлагаемый подход позволяет получить карты геометрии и альбедо лица в высоком разрешении на основе одной фотографии. Конечно, для создания максимально реалистичного аватара требуются не только эти карты, но основное достоинство метода заключается в высокой скорости работы (несколько секунд) в отличие от других методов (несколько минут). Столь выдающиеся результаты достигаются благодаря использованию высококачественных 3D-сканов, используемых для обучения. Более того, поворот и добавление особенностей изгибов черт лица, закодированных в скрытом пространстве, позволили выполнить дополнение текстур с сохранением естественной степени асимметрии.

Рис.7. Демонстрация ограничений модели
Рис.7. Демонстрация ограничений модели

Тем не менее, предлагаемый подход имеет несколько ограничений, которые продемонстрированы на рисунке выше:

  • метод выдаёт артефакты в случае наличия на лице сильного затенения и дополнительных объектов.
  • на полученных текстурах не отображается объёмная борода, а морщины могут внести отклонения в получаемые карты смещений.

Ограничения не уменьшают значимости вклада, вносимого рассмотренным методом в создание реалистичных аватаров для виртуальной реальности.

Перевод — Борис Румянцев, оригинал — Kateryna Koidan.

Подписаться
Уведомить о
guest

0 Comments
Межтекстовые Отзывы
Посмотреть все комментарии

gogpt