비학습 얼굴 정렬을 위한 지역 형태 기반 3차원 능동적 외양 모델 :Generalized local shape based 3D active appearance model for unseen face alignment

주명호

추천

검색

자료유형: 학위논문

저자정보: 주명호 (가톨릭대학교, 가톨릭대학교 대학원)

지도교수: 강행봉

발행연도: 2014

저작권: 가톨릭대학교 논문은 저작권에 의해 보호받습니다.

이용수0

이 논문의 연구 히스토리 (2)

2014

비학습 얼굴 정렬을 위한 지역 형태 기반 3차원 능동적 외양 모델

주명호 컴퓨터공학과 2014.01 학위논문

2012

3차원 깊이 추정 정보를 이용한 능동적 외양모델 기반 3차원 얼굴 모델 피팅 기법

주명호 , 강행봉 정보과학회논문지 : 소프트웨어 및 응용 2012.02 학술저널

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

비학습 얼굴은 학습된 얼굴과 다른 얼굴 질감 및 형태 정보를 가지기 때문에 학습된 모델 변화만으로 비학습 얼굴에 얼굴 모델을 피팅하는 것은 쉽지 않은 문제이다. 본 논문에서는 학습된 3차원 얼굴 모델을 이용하여 임의의 비학습 얼굴에 대한 피팅 방법을 기술한다. 2차원 얼굴 영상에 투영된 3차원의 얼굴을 효과적으로 피팅하기 위해 2차원 얼굴 영상간의 기하학 정보를 이용하여 얼굴의 3차원 형태를 추정하고 이를 이용한 3차원 능동적 얼굴 모델 (3D Active Appearance Model)을 구성 및 학습한다. 본 논문에서는 임의의 비학습 얼굴에 대한 효과적인 얼굴 모델 피팅을 위해 얼굴의 일반적인 특성을 고려한다. 얼굴은 크게 질감과 형태 정보로 나눌 수 있으며 질감 정보의 경우, 얼굴의 실질적인 질감 차이보다 조명에 의한 차이가 큰 문제점을 갖는다. 그러므로 얼굴의 조명 효과에 의한 왜곡을 제거하기 위해 범위 단일 크기 레티넥스 (Ranged Scale Scale Retinex)을 적용한다. 범위 단일 크기 레티넥스는 조명 변화에 의한 얼굴간의 차이를 최소화함과 동시에 얼굴 영상으로부터 추출 가능한 에지의 크기를 증가시킴으로써 얼굴의 형태 정보를 가중한다. 얼굴의 형태 정보는 얼굴마다 매우 다양하기 때문에 이를 그대로 이용하기 어렵다. 그러므로 정규화된 얼굴 형태로 얼굴을 와핑(Warping)한 이후, 얼굴 모델과 입력 얼굴가의 형태 차이를 최소화한다. 이때, 기존의 방법과 같이 단순의 형태 정보간의 차이 에러를 이용할 경우, 얼굴 피팅 정확도 증가에 따라 에러 감소가 나타나지 않기 때문에 효과적인 얼굴 피팅을 수행하기 어렵다. 이를 해결하기 위해 본 논문에서는 얼굴의 공통적인 형태 정보를 고려하여 형태 에러 일반화 가중치 (Shape Error Generalization Weights)를 적용한 형태 에러를 계산함으로써 다양한 임의 얼굴에 대한 효과적인 얼굴 피팅을 수행한다. 또한 학습된 얼굴 모델이 보다 다양한 변화를 가짐으로써 광범위한 임의 얼굴에 효과적인 피팅 결과를 가질 수 있도록 얼굴의 주요한 영역에 따라 얼굴 파라미터를 독립적으로 조정한다. 제안된 방법을 순차 회귀 방법(Cascaded Regression)과 결합하여 지역적 일반화 형태 특성 기반 회귀 방법을 통해 제안된 방법이 갖는 가려짐(Occlusion) 문제를 개선하며 빠른 수행 속도로 얼굴 피팅을 수행한다. 본 논문의 실험에서 제안된 방법이 기존의 방법에 비해 다양한 비학습 얼굴에 보다 효과적으로 얼굴 모델 피팅을 수행함을 보인다.

A 3D face shape that is derived from 2D images can be useful in many computer vision applications. However, it is difficult to estimate a suitable 3D face model with 2D face images. Specifically, to align a face model on unseen faces is an essential problem in many face researches due to the large differences in the shapes and textures between unseen target faces and the faces used in training. In this thesis, we present a novel method for aligning a 3D face model on arbitrary unseen faces. First, we present a texture normalization method, which is called Ranged Single Scale Retinex (RSSR), that compensates for environmental illumination effects; in this way, the error that is caused by illumination differences between the model and the input face is decreased. Second, we develop a fast 3D Active Appearance Model (3DAAM), which can fit the trained model on the faces, including both arbitrary variations in 3D poses (a rotation of the X, Y axes) and facial expressions. To construct our 3D face model, we take advantage of a 2D Active Appearance Model (AAM) from 2D face images, rather than using the 3D depth information that can be measured by special cameras, which could be expensive. Self-occlusions due to the 3D pose variations are also processed by the regional weighting functions on the normalized face at each face input. Finally, we propose an efficient 3DAAM fitting method for unseen faces. To cover all of the types of human faces, the model must learn all of the variations in human faces; however, this task is impossible in practice. Therefore, we propose a generalized face model for an unseen face alignment while using a restricted set of trained faces. Our principal idea is to utilize the major attributes in the face model by considering not only the texture property but also the shape property between the different faces. For the generalized face model, we combine the enhanced texture by applying the RSSR with the shape error generalized by the proposed shape error weights; in this way, the model accurately aligns an arbitrary input face without local minima. For flexible variations within the model, we use additional shape parameters for independent variations in each facial part. We also introduce local feature-based model regression for the fast and robust alignment of our 3D face model, which provides accurate alignment results on occluded faces. In each method, we demonstrate that the proposed method can efficiently achieve better results than the previous methods.

#비학습얼굴 #지역형태기반 #능동적외양모델

Abstract 1
Ⅰ. Introduction 3
Ⅱ. Background 7
Ⅲ. Illumination Invariant Face 24
1. Ranged Single Scale Retinex 26
2. Experimental Results 31
Ⅳ. 3D Face Model Alignment 38
1. Depth Estimation 39
2. 3D Active Appearance Model 44
3. Experimental Results 50
Ⅴ. Face Alignment for Unseen Faces 57
1. Face Texture Generalization 59
2. Face Shape Generalization 61
3. Shape Error Generalization Weights 66
4. 3D Model Fitting with Shape Parameters 73
5. Local Shape based Regression 77
6. Experimental Results 84
Ⅵ. Conclusion 97
Ⅶ. Reference 99
영어논문 제출서 110
영문인준서 111
한글 초록 112

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)