[发明专利]基于多尺度图卷积神经网络的3D人脸表示与重建方法在审
| 申请号： | 201910551003.7 | 申请日： | 2019-06-24 |
| 公开（公告）号： | CN110288697A | 公开（公告）日： | 2019-09-27 |
| 发明（设计）人： | 李坤;袁存款;杨敬钰 | 申请（专利权）人： | 天津大学 |
| 主分类号： | G06T17/00 | 分类号： | G06T17/00;G06K9/00;G06N3/04 |
| 代理公司： | 天津市北洋有限责任专利代理事务所 12201 | 代理人： | 刘国威 |
| 地址： | 300072*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于计算机视觉和计算机图形学领域，为实现对3D人脸数据进行有效的高维特征表示，以及具备从高维特征进行有效重建的能力，本发明采用的技术方案是，基于多尺度图卷积神经网络的3D人脸表示与重建方法，构建基于深度卷积的变分生成网络，利用变分编码器神经网络学习3D人脸的高维表示以及重建；利用变分编码器的生成能力来生成更多类型的3D人脸数据；然后使用变分解码器将高维特征解析成面部三角网络模型Mesh，实现人脸3D重建。本发明主要应用于3D人脸重建、身份识别等场合。 | ||
| 搜索关键词： | 人脸 高维 重建 分编码器 人脸数据 神经网络 多尺度 计算机图形学 神经网络学习 计算机视觉 分解码器 三角网络 身份识别 特征表示 特征解析 多类型 构建 卷积 应用 网络 | ||
【主权项】：
1.一种基于多尺度图卷积神经网络的3D人脸表示与重建方法，其特征是，构建基于深度卷积的变分生成网络，利用变分编码器神经网络学习3D人脸的高维表示以及重建；利用变分编码器的生成能力来生成更多类型的3D人脸数据；然后使用变分解码器将高维特征解析成面部三角网络模型Mesh，实现人脸3D重建。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于天津大学，未经天津大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910551003.7/，转载请声明来源钻瓜专利网。
