基于几何度量的实时面部动画生成算法研究

利用几何度量的无监督实时面部动画生成算法 本文提出了一种无监督的实时面部动画生成算法，旨在解决当前面部表情动画生成算法中的不足之处。该算法使用价格适中的Kinect作为采集设备，提取面部特征点，并建立低层面部特征点与高层表情语义之间的联系。然后，采用无监督的方式自动分析样本分布，推测各表情单元的变化区间，实现表情参数的实时提取。最后，利用表情参数驱动离线生成的通用表情基，生成能反映用户情绪的面部动画。 该算法的主要贡献在于： 1. 使用几何度量建立低层面部特征点与高层表情语义之间的联系，实现了面部表情捕捉的自动化。 2. 采用无监督的方式自动分析样本分布，推测各表情单元的变化区间，实现了实时的表情参数提取。 3. 引入控制点影响区域的概念来约束拉普拉斯变形算法，提高了通用Blendshape表情基的精度。 实验结果表明，该方法简单易行，无需对每名用户进行表情数据预采集，即可在多人同时出现、部分遮挡等情况下实时、鲁棒地生成与用户近似的面部动画。该方法具有优秀的采集灵活度、使用方便、实时性能良好，在普通用户群体中更具备推广价值。 本文的主要知识点包括： 1. 面部表情动画生成算法的不足之处：捕捉设备昂贵、依赖用户表情数据预采集、需要用户具备专业知识等。 2. 几何度量在面部表情捕捉中的应用：使用几何度量建立低层面部特征点与高层表情语义之间的联系，实现了面部表情捕捉的自动化。 3. 无监督学习在面部表情分析中的应用：采用无监督的方式自动分析样本分布，推测各表情单元的变化区间，实现了实时的表情参数提取。 4. 控制点影响区域的概念在拉普拉斯变形算法中的应用：引入控制点影响区域的概念来约束拉普拉斯变形算法，提高了通用Blendshape表情基的精度。 本文提出了一种无监督的实时面部动画生成算法，解决了当前面部表情动画生成算法中的不足之处，具有优秀的采集灵活度、使用方便、实时性能良好，在普通用户群体中更具备推广价值。