light weightbinocular sigasia2012_face
TRANSCRIPT
![Page 1: Light weightbinocular sigasia2012_face](https://reader033.vdocuments.pub/reader033/viewer/2022060117/55876566d8b42a1d558b45e7/html5/thumbnails/1.jpg)
Lightweight Binocular Facial Performance Capture under Uncontrolled Lighting
Siggraph Asia 2012 文献紹介
石井
![Page 2: Light weightbinocular sigasia2012_face](https://reader033.vdocuments.pub/reader033/viewer/2022060117/55876566d8b42a1d558b45e7/html5/thumbnails/2.jpg)
この文献でいいたいこと 映画など顔形状による CG 合成を利用 従来はシステムが大掛かり 単純なステレオカメラで細かい表情変
化まで取得することを目指す
![Page 3: Light weightbinocular sigasia2012_face](https://reader033.vdocuments.pub/reader033/viewer/2022060117/55876566d8b42a1d558b45e7/html5/thumbnails/3.jpg)
従来手法 マーカーを装着型
精度が悪い マルチカメラ再構成 ライトコントロール型
装置が大掛かり
ステレオカメラで Uncontrollable なシーン(屋内、屋外)でも精細な顔形状復元を行う(ただし、カメラはキャリブレーション済み)
![Page 4: Light weightbinocular sigasia2012_face](https://reader033.vdocuments.pub/reader033/viewer/2022060117/55876566d8b42a1d558b45e7/html5/thumbnails/4.jpg)
アプローチ概要 First Step
ステレオカメラ+トラッキングで粗い形状推定 誤差を減らすために、マッチング制約を提案
Second Step 照明が変化するシーンで反射率/照明推定を実施
し、 Shape refinement を行う
![Page 5: Light weightbinocular sigasia2012_face](https://reader033.vdocuments.pub/reader033/viewer/2022060117/55876566d8b42a1d558b45e7/html5/thumbnails/5.jpg)
初期化 ステレオ画像に対し視差算出
Ed =データ項、 Eg =幾何項、 Es= 平滑化項 詳細は後ほど
PostProcessing 背景除去。三角メッシュ表現。点数揃える 平滑化処理し、メッシュの色は左右画像の合成色
![Page 6: Light weightbinocular sigasia2012_face](https://reader033.vdocuments.pub/reader033/viewer/2022060117/55876566d8b42a1d558b45e7/html5/thumbnails/6.jpg)
Template Tracking
Scene Flow の計算 2 フレーム間で 4 フレームの情報を利用可
能 4 フレーム間の拘束条件から対応点推定
![Page 7: Light weightbinocular sigasia2012_face](https://reader033.vdocuments.pub/reader033/viewer/2022060117/55876566d8b42a1d558b45e7/html5/thumbnails/7.jpg)
Template Tracking
Scene Flow の計算
![Page 8: Light weightbinocular sigasia2012_face](https://reader033.vdocuments.pub/reader033/viewer/2022060117/55876566d8b42a1d558b45e7/html5/thumbnails/8.jpg)
Template Tracking
データ項:各画像間の座標誤差計算
コスト関数
外れ値にロバストにするためL1 ノルムで正則化
![Page 9: Light weightbinocular sigasia2012_face](https://reader033.vdocuments.pub/reader033/viewer/2022060117/55876566d8b42a1d558b45e7/html5/thumbnails/9.jpg)
Template Tracking Geometry 項:ステレオ画像間のエピ
ポーラ拘束を利用
コスト関数
外れ値にロバストにするためL1 ノルムで正則化
![Page 10: Light weightbinocular sigasia2012_face](https://reader033.vdocuments.pub/reader033/viewer/2022060117/55876566d8b42a1d558b45e7/html5/thumbnails/10.jpg)
Template Tracking Smoothness 項:異方性のエッジに基
づき滑らかさを評価・ r1,r2 は第一、第二固有値・形状変化するので、 Scene flow 推定中は再計算
![Page 11: Light weightbinocular sigasia2012_face](https://reader033.vdocuments.pub/reader033/viewer/2022060117/55876566d8b42a1d558b45e7/html5/thumbnails/11.jpg)
平滑化項の比較
![Page 12: Light weightbinocular sigasia2012_face](https://reader033.vdocuments.pub/reader033/viewer/2022060117/55876566d8b42a1d558b45e7/html5/thumbnails/12.jpg)
エネルギー最小化 多重解像度で各解像度で推定 3 D motion field を使って、形状変化
を表現
![Page 13: Light weightbinocular sigasia2012_face](https://reader033.vdocuments.pub/reader033/viewer/2022060117/55876566d8b42a1d558b45e7/html5/thumbnails/13.jpg)
Mesh Tracking
Scene Flow がわかれば各頂点のTracking が可能
Noise や Drift があるので制約を設ける
![Page 14: Light weightbinocular sigasia2012_face](https://reader033.vdocuments.pub/reader033/viewer/2022060117/55876566d8b42a1d558b45e7/html5/thumbnails/14.jpg)
Mesh Tracking Position Constraints
メッシュの滑らかさを保つために、頂点の部分集合 C に対して SceneFlow を揃える
条件 部分集合 C の全頂点は左右のカメラから見えて
いること 背景によるエラーを防ぐため、法線と照明方向
のなす角度が閾値( 70 度)以下であること
![Page 15: Light weightbinocular sigasia2012_face](https://reader033.vdocuments.pub/reader033/viewer/2022060117/55876566d8b42a1d558b45e7/html5/thumbnails/15.jpg)
Mesh Tracking Position Update
3 D 復元点 Si の Flow
実際は Si が Noisy 3 D 復元結果に Flow を加算するのではな
く、 Flow を逐次加算していく
![Page 16: Light weightbinocular sigasia2012_face](https://reader033.vdocuments.pub/reader033/viewer/2022060117/55876566d8b42a1d558b45e7/html5/thumbnails/16.jpg)
Mesh Tracking Laplacian Regurarization
表情( 3 次元的)形状の変化を考慮した制約
L:Laplacian matrix with cotangent weight of mesh メッシュ平面に対する法線の Laplacian matrix
第二項は頂点位置の誤差項
![Page 17: Light weightbinocular sigasia2012_face](https://reader033.vdocuments.pub/reader033/viewer/2022060117/55876566d8b42a1d558b45e7/html5/thumbnails/17.jpg)
Motion Refinement 誤差の蓄積などに対して Refinement する 方法(時刻 t+1 のとき)
メッシュのトラッキング結果から左右画像を合成(f0r,r1r)
正解データ f0(t+1),f1(t+1) との再投影誤差算出 f0(t+1),f1(t+1) と (f0r,r1r) との間の SceneFlow から メッシュをアップデート
![Page 18: Light weightbinocular sigasia2012_face](https://reader033.vdocuments.pub/reader033/viewer/2022060117/55876566d8b42a1d558b45e7/html5/thumbnails/18.jpg)
Shape Refinement
2 ステップからなる 1.各フレームで照明と反射率を推定 2.陰影情報に基づく幾何推定を実施
顔の反射率推定 表面の形状修正
![Page 19: Light weightbinocular sigasia2012_face](https://reader033.vdocuments.pub/reader033/viewer/2022060117/55876566d8b42a1d558b45e7/html5/thumbnails/19.jpg)
Albedo( 反射率 ) Clustering K-means クラスタリング
・ ai : 頂点の反射率集合・ k :クラスタリング数・ Sk :クラスタ番号・ ui :クラスタ内の平均反射率
ai の初期値は、前フレームの幾何形状・照明条件から計算
反射率がもとまったら、照明方向・強度を推定(既存手法)
![Page 20: Light weightbinocular sigasia2012_face](https://reader033.vdocuments.pub/reader033/viewer/2022060117/55876566d8b42a1d558b45e7/html5/thumbnails/20.jpg)
Surface Refinement
反射率・照明条件から頂点の法線を算出
顔は完全拡散面では無い Highlight はノイズになる→平滑化項導入
![Page 21: Light weightbinocular sigasia2012_face](https://reader033.vdocuments.pub/reader033/viewer/2022060117/55876566d8b42a1d558b45e7/html5/thumbnails/21.jpg)
Surface Refinement
データ項 入力画像と合成画像との Shading の勾配差
i: メッシュ N(i): メッシュ i の近傍メッシュ C: カメラ番号 Q(I,j) :カメラ集合 r(i,j),s(i,j): 入力画像の勾配、合成画像の勾配
![Page 22: Light weightbinocular sigasia2012_face](https://reader033.vdocuments.pub/reader033/viewer/2022060117/55876566d8b42a1d558b45e7/html5/thumbnails/22.jpg)
Surface Refinement
Similarity 項 時刻 t-1 の法線と時刻 t の法線の類似性
nit: 時刻 t-1 の法線 Xtu-Xtv: 三角メッシュの 2 点の差
時刻 t,t-1 のベクトル間の外積を算出nit
Xtu
Xtv
![Page 23: Light weightbinocular sigasia2012_face](https://reader033.vdocuments.pub/reader033/viewer/2022060117/55876566d8b42a1d558b45e7/html5/thumbnails/23.jpg)
Surface Refinement
Smoothness 項 近傍の 2 頂点間の二乗誤差
![Page 24: Light weightbinocular sigasia2012_face](https://reader033.vdocuments.pub/reader033/viewer/2022060117/55876566d8b42a1d558b45e7/html5/thumbnails/24.jpg)
エネルギー最小化の高速化 非線形最適化の繰り返し
処理速度遅い 複数メッシュを集めたパッチで処理するが、
パッチ内のメッシュ数が多いと遅く パッチ内のメッシュ数が少ないと推定が計算が
不安定 一次テイラー展開で近似
各頂点とその近傍点から計算する Sparse Linear Problem になり高速化
![Page 25: Light weightbinocular sigasia2012_face](https://reader033.vdocuments.pub/reader033/viewer/2022060117/55876566d8b42a1d558b45e7/html5/thumbnails/25.jpg)
Results
カメラ EOS 550D と GoPro 3D で実験 良環境と難環境で比較 どちらも FullHD 頂点数 100000
![Page 26: Light weightbinocular sigasia2012_face](https://reader033.vdocuments.pub/reader033/viewer/2022060117/55876566d8b42a1d558b45e7/html5/thumbnails/26.jpg)
Results: Canon
![Page 27: Light weightbinocular sigasia2012_face](https://reader033.vdocuments.pub/reader033/viewer/2022060117/55876566d8b42a1d558b45e7/html5/thumbnails/27.jpg)
Results: Canon( 違う人で評価 )
![Page 28: Light weightbinocular sigasia2012_face](https://reader033.vdocuments.pub/reader033/viewer/2022060117/55876566d8b42a1d558b45e7/html5/thumbnails/28.jpg)
Results(Go Pro)