Когда компьютеры обрабатывают лица, они иногда полагаются на объемные морфируемые модели (3D Morphable Model,3DMM). Модель представляет собой среднее лицо и содержит информацию об общих закономерностях отклонения от этого среднего. Например, если у вас длинный нос, у вас также может быть и широкий подбородок. Учитывая такие корреляции, компьютер может затем охарактеризовать ваше уникальное лицо, не сохраняя каждую точку в 3D-скане, а перечислив только пару сотен чисел, описывающих ваше отклонение от среднего лица, включая параметры, которые примерно соответствуют возрасту, полу и длине лица.

Однако есть одна сложность. Чтобы учесть все способы, которыми лицо может изменяться, 3DMM приходится интегрировать информацию о большом количестве лиц. До сих пор это требовало сканирования большого количества людей, а после — кропотливой маркировки всех их функций. Следовательно, самые лучшие современные модели основаны на лицах всего-то нескольких сотен человек — в основном, белых взрослых, — и имеют ограниченную способность моделировать лица людей разного возраста и рас.

Компьютерный исследователь из Имперского колледжа Лондона Джеймс Бут (James Booth) и его коллеги разработали новый метод, который автоматизирует создание 3DMM и позволяет им использовать более широкий спектр человеческих лиц. Метод состоит из трех основных шагов. Сначала алгоритм автоматически ориентирует сканирование лица на кончик носа и другие точки. Затем другой алгоритм выравнивает все сканы в соответствии с ориентирами и объединяет их в модель. Далее алгоритм ищет и удаляет плохие сканы. Читать дальше →

https://habr.com/post/373423/?utm_campaign=373423