基于张量分析的超高分辨率三维人脸变形关键算法研究

作为一种新兴的数据对象，通过三维扫描设备获取的超高分辨率三维人脸模型充分展示了人脸的各种三维细节信息，在真实感人脸动画和身份识别领域蕴藏着巨大的潜在应用价值，超高分辨率三维人脸变形是众多相关应用的核心支撑技术。针对超高分辨率三维人脸的多模态和非刚性特点，本项目首先研究基于张量分析的超高分辨率三维人脸全自动对齐，在此基础上构造并实现基于张量场分解的超高分辨率三维人脸表情重定向算法，并将该算法应用于原有人脸样本库，提高数据完备性，用于训练一个描述三维人脸全局变形与顶点局部运动关联关系的张量统计学习模型，在服从非线性瞬态动力学约束的条件下，实现基于交互的超高分辨率三维人脸变形算法，最终获得更为逼真的超高分辨率三维人脸变形。