⭐CVPR2025 FreeUV:无真值 3D 人脸纹理重建框架

📄论文题目:FreeUV: Ground-Truth-Free Realistic Facial UV Texture Recovery via Cross-Assembly Inference Strategy

✍️作者及机构:Xingchao Yang、Takafumi Taketomi、Yuki Endo、Yoshihiro Kanamori(CyberAgent、University of Tsukuba)

🧩面临问题:当前 3D 人脸 UV 纹理重建存在数据依赖和泛化能力不足的问题。一方面,传统方法依赖 costly 的真实 UV 数据集或合成 UV 数据,前者缺乏对野生场景的泛化能力,后者受限于 StyleGAN 的域限制,难以处理带妆容等多样人脸;另一方面,合成数据的多步骤流程易导致身份、光照、外观不一致,难以生成逼真连贯的纹理12。

🎯创新点及其具体研究方法:

1️⃣ 提出 FreeUV 框架:无需带标注的或合成的 UV 真值数据,基于预训练的 Stable Diffusion 模型,通过分离训练专注真实外观的网络和结构一致性的网络,在推理时结合二者生成高质量 UV 纹理,显著降低数据成本和复杂性35。

2️⃣ Cross-Assembly 推理策略:训练阶段,外观特征提取网络聚焦野生域实现 UV 到 2D 的逼真映射,结构重建网络依托 3DMM 域完成 2D 到 UV 的结构一致映射;推理时整合两个网络的 UV 专用模块,形成 UV 到 UV 的映射,减少大角度人脸和自遮挡的 UV 展开失真,兼顾真实外观与结构一致性46。

3️⃣ 抗干扰面部细节提取器:基于 CLIP 图像编码器并添加通道注意力层,从有失真或缺陷的 UV 纹理中捕捉面部毛发、皱纹、妆容等精细特征,通过选择性强调关键信息降低噪声影响,增强不同条件下 UV 纹理生成的质量和鲁棒性78。


相关推荐
这里有鱼汤2 分钟前
用卡尔曼滤波器计算个股票相对大盘的相关性——β值
后端·python
m0_5587901412 分钟前
GPU算力平台评测
服务器·人工智能·python·深度学习·神经网络·目标检测·机器学习
2501_9247319921 分钟前
驾驶场景玩手机识别:陌讯行为特征融合算法误检率↓76% 实战解析
开发语言·人工智能·算法·目标检测·智能手机
Kyln.Wu33 分钟前
【python实用小脚本-169】『Python』所见即所得 Markdown 编辑器:写完即出网页预览——告别“写完→保存→刷新”三连
开发语言·python·编辑器
爱掉发的小李38 分钟前
Linux 环境下 Docker 安装与简单使用指南
java·linux·运维·c++·python·docker·php
数据知道42 分钟前
机器翻译的分类:规则式、统计式、神经式MT的核心区别
人工智能·分类·机器翻译
siliconstorm.ai43 分钟前
AWS 算力瓶颈背后:生成式 AI 的基础设施战争
大数据·人工智能·chatgpt
paid槮1 小时前
机器学习——逻辑回归
人工智能·机器学习·逻辑回归
Debroon1 小时前
大模型幻觉的本质:深度=逻辑层次,宽度=组合限制,深度为n的神经网络最多只能处理n层逻辑推理,宽度为w的网络无法区分超过w+1个复杂对象的组合
人工智能·深度学习·神经网络
木卯_THU1 小时前
TGD第九篇:三维应用——视频边缘检测
计算机视觉·音视频·边缘检测·遮挡检测·tgd·视频内容理解·视频边缘检测