⭐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
嘀咕博客25 分钟前
SynClub-百度在海外推出的AI社交产品
人工智能·百度·ai工具
AI算法工程师Moxi29 分钟前
什么是迁移学习(transfer learning)
人工智能·机器学习·迁移学习
阿拉丁的梦36 分钟前
教程1:用vscode->ptvsd-创建和调试一个UI(python)-转载官方翻译(有修正)
开发语言·python
名难取aaa1 小时前
celery solo acks_late得不到预期
python·celery
空白到白1 小时前
机器学习-KNN算法
人工智能·算法·机器学习
aliedudu1 小时前
机器学习概述
人工智能·机器学习
love you joyfully2 小时前
循环神经网络——pytorch实现循环神经网络(RNN、GRU、LSTM)
人工智能·pytorch·rnn·深度学习·gru·循环神经网络
袁庭新2 小时前
AI如何辅助创业?年轻人一定要创业
人工智能·创业
GIS开发特训营2 小时前
【智慧城市】2025年中国地质大学(武汉)暑期实训优秀作品(2):智慧城市西安与一带一路
人工智能·信息可视化·智慧城市
飞哥数智坊2 小时前
扣子实战第19讲:Coze零代码打造“新生入学百事通”,辅导员都说好
人工智能·coze