买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明公开了一种基于隐式表达的3D单目头发建模方法及装置，本发明先构建头部模型并基于输入的单张肖像图像提取对应的头发2D方向图和亮度图；将2D方向图和亮度图输入至一训练好的头发隐式表达模型提取获得头发3D方向场和3D占位场；再利用头发生长算法根据获取的3D方向场和3D占位场获得3D发丝模型；其中头发隐式表达模型采取一种coarse‑to‑fine的策略，设计了一种全新的体素对齐的隐函数VIFu来表示头发结构的全局特征，并利用图像所对应的高分辨率亮度图提取细粒度的局部特征，这种方法能生成细节丰富的3D头发几何特征3DOrientationfield和3DOccupancyfield，从而实现高分辨率的3D头发建模。

主权项：1.一种基于隐式表达的单目3D头发建模方法，其特征在于，包括：构建头部模型，基于输入的单张肖像图像提取对应的头发2D方向图和亮度图并与头部模型对齐；将2D方向图和亮度图输入至一训练好的头发隐式表达模型提取获得头发3D方向场和3D占位场；利用头发生长算法根据获取的3D方向场和3D占位场获得3D发丝模型；其中，所述头发隐式表达模型包括精模块和粗模块；其中，粗模块包括U-Net架构、多个隐式体素化模块和第一Occupancy解码器、第一Orientation解码器；其中，U-Net架构包含依次连接的多个卷积单元和反卷积单元，所述隐式体素化模块用于对卷积单元输出的每个体素v的特征沿着Z方向复制，将2D的图像特征转换为体素级的3D特征，3D特征再与2D的图像特征对应的卷积单元的上一层反卷积单元输出拼接获得每个体素v的隐式编码Fv，隐式编码Fv作为下一层反卷积单元的输入；表示如下：Fv＝θIx，Zv+Irx其中，图像特征Ix是卷积单元的输出，Irx是Ix对应卷积单元的上一层的反卷积单元的输出；θ表示隐式体素化模块神经网络的参数，x是空间中体素投影到平面上对应的2D坐标x；第一Occupancy解码器、第一Orientation解码器分别用于依据每个点p的隐式编码和z坐标解码获得每个点p的第一Occupancy值和第一Orientation值；其中，每个点p的隐式编码采用点p对应体素的隐式编码表示，体素的隐式编码为U-Net架构最后的输出Fv；所述精模块包括一个用于提取亮度图中点p的局部特征的第二神经网络、第二Occupancy解码器和第二Orientation解码器；第二Occupancy解码器、第二Orientation解码器分别用于依据输入的点p的局部特征、全局特征和z坐标解码获得点p的第二Occupancy值和第二Orientation值，从而获得头发3D方向场和3D占位场；其中，全局特征为第一Occupancy解码器、第一Orientation解码器的中间层输出的特征。

全文数据：

权利要求：

百度查询： 浙江大学 一种基于隐式表达的3D单目头发建模方法及装置