ai少女捏脸(ai少女捏脸参数)

时间:2023-06-23 23:04:52 来源:网友分享 编辑:饕餮少女

AI少女怎么捏脸好看?想来很多朋友都还不是很清楚吧,所以呢小编今天给大家带来的就是AI少女捏脸比例介绍,需要的朋友不妨进来看看。

AI少女捏脸比例介绍

一、面部比例及关系

1、面部水平比例:指面部长度的比例,即三停,可分为大三停、小三停和侧三停。

(1)大三停:我国古代画论中的“三停”。沿眉间点、鼻下点作横线,可将面部分为水平三等分。发际线至眉间点为面上1/3,眉间点至鼻下点为面中1/3,鼻下点至颏下点为面下1/3。眼、鼻位于面中1/3,口腔位于面下1/3。

(2)小三停:鼻下点至口裂、口裂至颏上点(颏唇沟正中点,伸手指摸摸下唇下凹进去的地方,最凹处谓之)、颏上点至颏下点分为三个基本相等部分。上唇位于上1/3,下唇及颏高度位于下2/3。附:男性上下唇比例约0.5,女性约0.4。

(3)侧三停:耳屏(耳朵盖儿前一指)为顶点,分别向发际中点、眉间点、鼻尖点、颏前点做连线,注意,刚好也是大三停顶点的位置。连线的三个夹角,夹角差均<10°,则比较符合颜面美的要求。

2、面部垂直比例:面部正面宽度的比例,沿双侧內外眦作垂线,可将面部于眼裂水平五等分,每一份的宽度都与一个睑裂宽度相等,称“五眼”,正常睑裂宽度平均为3.5cm,两外眦间距平均为9.5cm,我认为在捏人时缺乏测量手段,等比例换算较好。

另外,鼻翼宽度和两眼內眦间距相等,约3.5cm,鼻长度和宽度比约1:0.7。

3、面部黄金比:相信大家都听过“黄金分割”这个概念,没听过没关系,简单来说就是 “宽:长=1:1.618=0.618 的长方形是最美的”这样一个概念。黄金分割这个比例和许多东西都能契合,人类的头面部各器官和部位间也存在这种关系。

4、其他关系:

(1)鼻眉眼的关系:过內眦作垂线,可见鼻翼外侧缘、內眦、眉头内侧缘共线;同时,鼻翼点,外眦,眉梢共线;眉梢眉尾水平共线。这三条线共同围成一个直角三角形,由此可见,眉鼻眼是三者间互相协调。

(2)鼻唇颏的关系:鼻尖与颏前点连线构成美容线,下唇位于此线段上为容貌美,但存在种族差异。

(3)颏唇沟深度:颏唇沟还记得吧?下唇下方凹进去最厉害的地方。颏唇沟至美容线的垂线距离,正常约4mm。

5、对称和协调:对称大家都能理解,那么什么叫面部的协调呢?面部协调包含两重意思,一是面部整体与局部的关系,二是面部局部与器官之间的关系。另外,有的人五官单独看很美,丹凤眼啦,樱桃嘴啦,但是放在一起整体看脸,却不一定好看,反观有的人五官单独看平平无奇,在面部整体的衬托下,却意外得美,这就是协调的重要性。

二、美容角

颜面局部、器官间形成了一些重要的角度,这些角度与颜面部美有密切关系。

1、鼻额角:由鼻根点分别与眉间点和鼻尖点连线构成的角,正常为125°~135°。其大小取决于额部形态和鼻尖凸度。

2、鼻唇角:由鼻小柱(鼻子中间那个肉柱)与上唇构成,正常为90°~100°。

3、鼻颏角:由鼻尖分别至鼻根点和颏前点连线构成,正常为120°~132°。

4、鼻面角:注意“面”字。沿眉间点至颏前点连线,沿鼻尖点至鼻根点连线,两线相交构成鼻面角,正常范围36°~40°。

5、颏颈角:颈点至颏下点连线,眉间点向颏前点连线,两线相交构成颏颈角,正常约85°。 注意!!!!颈点解剖位置过于刁钻,不太好解释,这个角就简单理解成“看着顺眼的双下巴”即可,影响不大。

在游戏中,亲手创造一个与众不同的角色,乐趣不言而喻。但有时往往是“游戏五分钟,捏脸两小时”。


从主机、PC 到手机游戏,随着硬件配置不断迭代,游戏在画面精细度和玩法操控度方面也越发强大,很多游戏开发商为了满足玩家们的个性化需求,都提供了一整套为游戏角色 “捏脸” 的系统,能让玩家根据自己的审美细化设定角色外观。


与此同时,游戏背后的计算机科学家们也一直在努力设计新的技术,使游戏体验更加沉浸化,以期达到引人入胜的效果,其中就包括自动创建接近真人的游戏角色的方法。

图|一款游戏的捏脸过程

不过,目前大多数现有的创建和定制游戏角色的方法都要求玩家手动调整角色的面部特征,以便重新创建自己的面部或捏成其他人的面部,一个玩家通常需要几个小时耐心去手动调整数百个参数(例如脸型、眼睛)来创建一个类似于指定肖像的角色,


最近,一些开发人员也尝试开发一些新方法,通过分析真实人物的面部图像,自动定制角色的面部,但这些方法实际效果通常不佳,要么过程复杂,要么对人脸形状和纹理的自由度有限。


来自网易伏羲 AI 实验室和密歇根大学的研究人员最近发明了一种深度学习的方法,名为 MeInGame,它可以通过分析一个人脸的单个肖像而自动生成游戏人物脸,这项技术在 arXiv 上预先发表的一篇论文中提出。

图|部分游戏玩家捏出的明星脸(来源:网络)

开发这项技术研究人员在论文中写道:“我们提出了一种自动创建人物面部的方法,可以从一张肖像中预测生成面部的形状和纹理,并可以集成到大多数现有的 3D 游戏中。”


不少捏脸高手为了在游戏中捏出一个指定人物的脸可谓煞费苦心,甚至总结了一套复杂的教程和参数包,而今后,可能只需要输入一张人脸照片就能轻松搞定了。






让仿真人脸进入游戏世界


现有游戏中的人脸定制系统,很多是基于三维变形模型(3DMM)计算实现的,作为一种经典的三维人脸形状和反照率的统计模型,3DMM 在人脸分析、模型拟合、图像合成等方面有着广泛的应用。


虽然基于 3DMM 的方法可以从单个图像中恢复出精确的三维人脸,但其网格的拓扑结构与大多数游戏中使用的网格不同,为了获得逼真的纹理,现有的方法需要大量的人脸纹理数据进行训练,而建立这样的数据集往往既费时又费力。


此外,这些数据集并不总是包含随机收集的真实图像,因此,在这些数据集上训练的模型在呈现新数据时,很难表现出一致的良好性能,进一步而言,这种在实验室条件下进行的方法在真实情况下可能无法很好地落地推广,尽管人们已提出了许多基于深度学习的三维人脸重建方法,目前在游戏中的应用仍然较少。

图|第一行为输入肖像;第二行是由 MeInGame 方法生成的游戏中的角色;MeInGame 方法对光照变化、阴影和遮挡具有很强的鲁棒性,可以很好还原个性化的细节,如肤色、妆容和皱纹等。(来源:arxiv)


MeInGame 的贡献在于


1、提出了一种低成本的三维人脸数据集生成方法。所创建的数据集在种族和性别上是平衡的,面部形状和纹理都是从原始图像中创建;


2、提出了一种将重建的三维人脸形状转化为游戏网格的方法,可以直接在游戏环境中使用,该方法不依赖于网格连通性,计算效率高;


3、为了消除光照和遮挡的影响,他们训练了一个神经网络,在一个通用的训练范式下,从 “野生” 人脸图像中预测一个完整的漫反射贴图。


在未来,这个研究小组设计的角色脸生成方法可以集成到许多 3D 视频游戏中,实现与真人非常相似的角色自动生成。MeInGame 模型的代码和用于训练该模型的数据集已在线发布,游戏开发者可通过以下网址访问:https://github/FuxiCV/


该方法不仅能应用于游戏,由于 COVID-19 的疫情影响,人们不得不保持社交距离,很多数会议活动都改为在线 / 虚拟会议,甚至在 3D 游戏中举办学术研讨会,随着越来越多的社交活动从面对面走向网络化,用户在虚拟环境中自动生成 3D 角色也会让社交的形式变得非常有趣。





模型原理和测试效果


对于 MeInGame 模型的特点,研究人员在论文中阐释说:“给定一张输入的人脸照片,我们首先基于 3D 变形人脸模型(3DMM)和卷积神经网络(CNNs)重建 3D 人脸,然后将 3D 人脸的形状转移到模板网格上。该网络以人脸照片和展开的粗 UV 纹理图为输入,预测光照系数和细化纹理图。”

图|MeInGame 方法概述。(来源:arxiv)

利用神经网络的强大功能,可以有效地去除输入中不需要的光照分量和遮挡。由于典型游戏引擎的渲染过程是不可微的,他们还利用可微渲染方法将渲染输出中的梯度反向传播到训练过程中需要参数更新的各个模块。


这样,所有的网络组件都能以端到端的方式顺利训练。为了减少训练数据的依赖性,除了可微绘制外,他们还设计了一种新的基于半监督学习的训练流水线,使用配对数据进行监督学习,使用未标记数据进行自我监督学习。因此,MeInGam 网络能够以半监督的方式进行训练,减少对预定义纹理贴图的依赖。


最后,通过将生成的人脸网格和纹理加载到游戏环境中,就可以为玩家创建逼真的游戏角色。


值得注意的是,研究人员将人脸形状和纹理的重建作为一个自我监督的人脸相似性度量问题。在可微绘制的基础上,设计了一个绘制循环,从与输入人脸照片相似的预测形状和纹理中强制进行二维人脸绘制。


MeInGame 方法由几个可训练的子网络组成。首先,图像编码器以人脸图像为输入,产生潜在特征;其次,将图像特征展平并输入光照回归器,一个由几个完全连接的层组成的轻型网络,并预测光照系数(光照方向、环境光、漫反射和镜面反色);然后,研究人员引入了一种纹理编码器,将输入图像和粗纹理映射的特征串接在一起,然后输入到纹理解码器中,产生精细的纹理映射。


最后,使用游戏网格、精细纹理贴图、姿势和照明系数,研究人员使用可微渲染器将面部网格渲染为 2D 图像,并强制该图像与输入的面部照片相似。


为了进一步改进结果,他们还引入了两个鉴别器,一个用于人脸图像,另一个用于生成人脸纹理图。此外,还创建了一个种族和性别平衡(RGB)数据集,并将其命名为 “RGB 3D 人脸数据集”,与其他需要多视点图像的方法不同,他们的方法只使用单视点图像即可,并且容易获取。


研究人员基于英特尔 i7 CPU 和英伟达 1080Ti GPU 上运行实验,使用 PyTorch3D(v0.2.0)及其依赖项。给定一幅人像和粗纹理图,MeInGame 网络只需要 0.4s 就可以生成一幅 1024×1024 精细纹理图。

图|MeInGame 创建游戏角色(来源:arxiv)

研究人员在实验中还进行了定性和定量比较,呈现效果不错。他们将 MeInGame 方法与其他一些最先进的游戏角色自动创建方法 / 系统进行了比较,包括《一梦江湖》、Loomie、《逆水寒》和 ZEPETO 中的角色定制系统。


最终,MeInGame 的结果在面部形状和外观方面都比其他结果更类似于输入图像,他们还将其与最先进的基于 3DMM 的方法进行了比较,尽管能从单个图像重建 3D 人脸,但突出的问题是,3DMM 只模拟面部特征,不包括一个完整的头部模型以及纹理,使其难以直接用于游戏环境。


此外,研究人员也邀请了 30 人进行评估。每个人分配了 480 组结果。每组结果包括一幅肖像、MeInGame 的结果和一个来自其他的结果,参与者被要求从两个结果中选择一个更好的,并将其与参考肖像进行比较,用户报告的分数也反映了 MeInGame 结果的质量。

图|一些实验数据对比参考(来源:arxiv)

在总结中,研究人员提到了 MeInGame 方法仍然有的一些局限性。例如,当存在严重遮挡(例如帽子)时,该方法无法产生可靠的结果,因为渲染器无法对头部网格外的对象创建的阴影进行建模。其次,同一个人在严重光照变化下的两幅肖像的结果也有差别,结果会受到不同颜色灯光的影响。

图|MeInGame 方法的特殊情况(来源:arxiv)





AI 阴暗面不容忽视


话说回来,技术的落地应用,往往并不是技术本身的问题,有时候会牵扯到一些社会问题,比如个人隐私或者肖像权。


本文提出了一种新的游戏角色人脸自动生成方法,该方法可以轻松产生与输入照片在脸形和纹理方面相似的角色脸,考虑到建立同时具有形状和纹理的三维人脸数据集的成本很高,研究人员还提出了一种低成本的方法来生成所需的数据训练,于技术而言,该方法的性能要大大优于现有的方法,能为游戏互动增添不少乐趣。


但是在游戏中随意创建一个其他真人的脸,越来越逼真,会不会牵扯到很多社会伦理问题?这是 AI 技术自诞生以来就面临的阴暗面问题,此前,市面上有些 AI 换脸的技术就曾把一些明星、名人的脸无缝移植到一些不雅视频乃至无厘头作品中,造成的影响非常糟糕。


所以技术虽好,如何去合法合规地运用,可能也是 MeInGame 在落地时需要考虑到的问题。



声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送至邮件举报,一经查实,本站将立刻删除。转载务必注明出处:http://www.hixs.net/article/20230623/16524884138557.html