گوشی های هوشمند ویدئو فوق العاده دقیق صورت 3D مدل

محققان ایجاد کرده اند دقیق مدل 3D از صورت کسی با استفاده از ویدئو ضبط شده بر روی معمولی گوشی های هوشمند.

به طور معمول طول می کشد گران تجهیزات و تخصص برای ایجاد دقیق بازسازی 3D از یک چهره که واقع بینانه نیست و نگاه وحشت زده است.

با استفاده از یک گوشی هوشمند به ساقه یک فیلم پیوسته از جلو و دو طرف صورت تولید انبوه ابر داده است. این فرایند دو مرحله ای استفاده می کند که داده ها با کمک برخی از الگوریتم های یادگیری برای ساخت دیجیتال بازسازی چهره.

این تیم آزمایش نشان می دهد که روش خود را می تواند رسیدن به زیر میلیمتر دقت outperforming دیگر دوربین مبتنی بر فرآیندهای.

A man poses for a face-on shot. In the second image, a computer has made a rough 3D model of his face. In the third shot, the 3D face model is smoothed out and texture-less
(اعتبار: کارنگی ملون)

دیجیتال صورت ممکن است مورد استفاده برای ایجاد یک آواتار برای بازی و یا به صورت مجازی یا واقعیت افزوده و همچنین می تواند مورد استفاده در انیمیشن های بیومتریک شناسایی و حتی در پزشکی است. دقیق رندر 3D از صورت نیز ممکن است مفید در ساختمان سفارشی فولاد ماسک یا ماسک.

“ساختمان بازسازی 3D از صورت بوده است باز مشکل در بینایی کامپیوتر و گرافیک زیرا مردم بسیار حساس هستند به نگاه از ویژگی های صورت می گوید:” سیمون hannah fraser یک دانشیار استاد پژوهش در دانشگاه کارنگی ملون دانشگاه رباتیک موسسه. “حتی اندکی ناهنجاری در بازسازی می تواند نتیجه نهایی این نگاه غیر واقعی است.”

لیزر اسکنر ساختار نور و multicamera استودیو تنظیم می تواند تولید بسیار دقیق اسکن از چهره اما این تخصصی سنسورهای گران برای اکثر برنامه های کاربردی. به تازگی توسعه یافته روش, اما, نیاز به تنها یک گوشی هوشمند است.

روش آغاز می شود با تیراندازی 15-20 ثانیه از ویدیو. در این مورد محققان با استفاده از یک آی فون X در حرکت آهسته تنظیم.

“بالا بودن نرخ فریم از حرکت آهسته است یکی از چیزهایی که کلیدی برای روش ما به دلیل آن را به تولید انبوه نقطه ابر” hannah fraser می گوید.

این محققان سپس به استخدام یک معمولا استفاده می شود تکنیک به نام بصری همزمان محلی سازی و نقشه برداری (اسلم). ویژوال اسلم triangulates نقاط در یک سطح برای محاسبه شکل آن در حالی که در همان زمان با استفاده از این اطلاعات برای تعیین موقعیت دوربین. این باعث ایجاد یک اولیه هندسه اما داده های گم شده را ترک و شکاف در مدل.

در دومین مرحله از این فرآیند محققان کار برای پر کردن این شکاف برای اولین بار توسط با استفاده از الگوریتم های یادگیری. یادگیری عمیق استفاده می شود در یک محدود راه اما: آن را شناسایی فرد مشخصات و نشانه های چنین به عنوان گوش و چشم و بینی. کلاسیک بینایی کامپیوتر تکنیک هستند و سپس مورد استفاده قرار گیرد برای پر کردن شکاف.

“یادگیری عمیق است و یک ابزار قدرتمند است که ما با استفاده از هر روز” hannah fraser می گوید. “اما یادگیری عمیق تمایل به حفظ راه حل” است که با این نسخهها کار در برابر تلاش برای شامل تشخیص جزئیات از چهره. “اگر شما با استفاده از این الگوریتم فقط برای پیدا کردن نشانه شما می توانید با استفاده از روش کلاسیک برای پر کردن شکاف ها بسیار راحت تر است.”

این روش لزوما سریع; از آن زمان 30-40 دقیقه از زمان پردازش. اما کل فرایند را می توان در گوشی های هوشمند است.

در علاوه بر این به صورت بازسازی این تیم روشها نیز ممکن است به کار گرفتن هندسه تقریبا هر شی hannah fraser می گوید. بازسازی دیجیتال از کسانی که اشیاء می تواند پس از آن گنجانیده شده انیمیشن ها و یا شاید منتقل سراسر اینترنت به سایت های که در آن اشیاء می تواند تکرار با پرینتر 3D.

محققان ارائه کار خود را در IEEE زمستان کنفرانس کاربردهای بینایی کامپیوتر.

منبع: دانشگاه کارنگی ملون

مطالعه اصلی

tinyurlis.gdv.gdv.htu.nuclck.ruulvis.netshrtco.detny.im

Leave a reply

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>