非线性联合学习的三维人脸表情合成方法

针对人脸表情数据的非线性分布特性,提出一种基于非线性联合学习的三维人脸表情合成方法.首先提出非线性联合学习理论,通过无监督回归将具有相同属性的三维人脸映射到相同的低维表达;其次,基于三维人脸的低维表达对低维表达进行重建操作,为给定的三维人脸合成表情,或基于样例表情进行表情的重定向.另外,非线性联合学习方法还能有效地处理带噪声及不完整的人脸数据,获得完整的表情人脸.实验结果表明,文中方法的表情重定向合成结果及合成效率优于已有方法.     

隐曲面重建的极性场模型方法

通过隐函数拟合实现曲面重建是计算机图形学领域中一项重要而有挑战性的工作.受经典物理学中极性场模型及扩展点集思想的启发,提出一种称为"场拟合"的隐曲面重建方法.该方法将三维曲面表达为极性场的零等值面,极性场由许多粒子对产生,则曲面重建过程就转化为求粒子分布的过程,使用一种贪婪算法求解粒子的分布.实验结果表明,采用文中的场拟合方法的重建结果优于已有的隐曲面重建方法.