动态皱纹驱动的合成人脸：提升真实感与性能

标题：“基于表情的合成面褶皱的网格张力驱动”研究聚焦于提升合成人脸的真实感，通过引入动态皮肤皱纹来回应面部表情，以解决现实主义与过度追求光效之间的平衡问题。研究人员奇拉格拉曼、查理·休伊特、埃罗尔·伍德和塔达斯·巴尔特鲁斯·萨伊蒂斯合作，针对面部合成中的一个重要挑战，即如何高效地生成逼真的皱纹，尤其是那些在原始扫描中未被记录的表情。 该工作的核心贡献是提出了一种网格张力驱动的方法，它能够从高质量的表情扫描中聚合出可能的皱纹，然后将这些皱纹信息应用于纹理映射和位移纹理图中。这种方法不仅允许皱纹的动态变化，还能在缺乏原始数据的情况下，如压缩表情引起的变形，保持合成结果的精确性。以往的方法要么需要大量的艺术家手工调整，以实现跨身份和表情的通用性，要么在细节重现上有所牺牲。 为更准确地评估模型在处理表情变形下的表现，研究者还构建了300W眨眼评估子集和闭眼与眨眼的Pexels数据集。这些辅助数据集帮助衡量模型在不同场景下的稳定性和逼真度，从而推动了合成面部数据在计算机视觉任务中的应用，如人脸识别、手部跟踪和全身分析，尤其是在面部细节捕捉上的进步。 尽管全脸合成的人类头部建模仍然复杂，且依赖于大量艺术家工作，但这项研究朝着更加真实、自动化的方向迈进，有助于减少对真实数据的依赖，促进计算机视觉任务在更广泛的场景下实现更好的性能和泛化能力。通过这种方式，合成数据逐渐接近现实，挑战了传统意义上对真实数据的过分追求，同时填补了真实与合成面部数据之间的差距。