微软研究团队分享：增加面部landmark数量实现更精确3D面部重建
通过增加面部landmark的数量来实现更精确的3D面部重建
（映维网Nweon 2022年10月26日）计算机视觉是计算机科学中最引人注目的领域之一。它的发展速度非常迅速，并且有望显著影响人们的生活和工作方式。近年来，机器学习和计算机视觉的融合交叉进展正在加速，并为众多领域带来了重大进展，包括医疗保健、机器人、汽车工业和增强现实。
为了帮助人们实现更多目标，微软研究人员一直在与所述领域的学者和专家合作，共同开展一系列的计算机视觉项目。一个例子是PeopleLens。这款以HoloLens作为灵感的头戴式设备可以通过空间化音频识别周围的人员，从而帮助失明人士或视力低下人士在社交场合进行互动。另一个例子是Swin Transformer。这个计算机视觉架构在目标检测中实现了高精度，并提供了将计算机视觉和自然语言处理（NLP）架构统一的机遇。
在日前举行的2022年欧洲计算机视觉大会（ECCV），微软介绍了团队在计算机领域的最新成果。下面将重点与混合现实相关的两份研究论文。第一篇是通过增加面部landmark的数量来实现更精确的3D面部重建，在降低所需计算能力的同时获得最先进的结果。另一篇主要涉及一个利用AR设备对真实世界进行视觉定位和映射的数据集。以下是第一篇“3D face reconstruction with dense landmarks”的分享。
1. 方法介绍
Landmark通常在人脸分析中起着关键作用，但关于身份或表情的众多方面无法仅用稀疏Landmark来进行表示。为了更精确地重建人脸，行业通常将Landmark与深度图像等附加信号或微分渲染等技术相结合。
通常，从业者用来训练ML模型的公共数据集包含68个面部Landmark的注释。然而，人脸并不能仅用68个Landmark来精确地表示，需要额外的方法来补充Landmark检测，而这增加了训练工作的复杂性，并增加了所需的计算能力。
所以，研究人员好奇的一个问题是：为了进一步简化流程和优化资源利用，是否可以单纯依靠（密集）Landmark来实现逼真的人脸重建呢？
......（全文 1829 字，剩余 1132 字）
