我是靠谱客的博主 激昂毛豆,最近开发中收集的这篇文章主要介绍文献阅读 - Example-Based Cosmetic Transfer基于实例的妆容迁移(Example-Based Cosmetic Transfer),觉得挺不错的,现在分享给大家,希望可以做个参考。

概述

基于实例的妆容迁移(Example-Based Cosmetic Transfer)

在这里插入图片描述

摘要

妆容迁移

  • 所需条件:化妆前后对比图像(实例), A A A A ∗ A^{ast} A

  • 输入:图像(目标) B B B

  • 输出:妆容迁移图像 B ∗ B^{ast} B

参考文献:Tong, D. , Tang, C. K. , Brown, M. S. , Xu, Y. Q. (2007). Example-Based Cosmetic Transfer. IEEE Computer Society.

1 引言

妆容迁移(transfer cosmetic style):

(1)实例面部皮肤特征,如雀斑、痣和瑕疵等,不应被迁移;
(2)目标面部固有皮肤特征应保留。

实现方法:

(1)计算化妆前后色彩与光照变化;
(2)对实例与目标面部皮肤纹理和肤色差异进行调整;
(3)将妆容迁移到目标面部。

2 相关工作

3 妆容迁移

步骤:
(1)预处理
(2)妆容映射
(3)外观矫正
(4)眼部迁移

3.1 预处理

所需条件:

实例图像妆前 A A A、妆后 A ∗ 和 A^{ast}和 A目标图像 B B B,并确保 A A A A ∗ A^{ast} A B B B的光照条件和姿态相似。

预处理步骤:

(1)去除眉毛和睫毛;
(2)用合成的纹理填充去除眉毛和睫毛产生孔洞;
(3)提取固有皮肤特征;
(4)将面部几何形状变形成标准面部。

眼睛

在妆容迁移前,首先用贝叶斯扣图(Bayesian matting)将眉毛和睫毛分离:

(1)将背景、前景和不确定区域粗略标记出来,构建三元图(tri-map),不确定区域用贝叶斯扣图;

(2)输出为蒙板 α alpha α,表示眉毛和睫毛在输入图像 B B B中的选区。

在这里插入图片描述

修补孔洞

对从原始图像中分离眉毛和睫毛后产生的孔洞进行修补,修补方式包括图像修复(image inpainting)和纹理合成(texture synthesis)。

皮肤

需要将固有皮肤特征(如雀斑、痣或瑕疵)从实例面部图像 A A A A ∗ A^{ast} A中去除。独立成分分析(independent component analysis,ICA)

标准面部变形

在图像预处理开始前,将所有图像面部变形为标准面部。

3.2 妆容映射

妆容映射(cosmetic map), C = { c p } C = left{ c_p right} C={cp}

c p = a p ∗ / a p , b p ∗ = c p b p c_p = a^{ast}_p / a_p, quad b^{ast}_p = c_p b_p cp=ap/ap,bp=cpbp

在各个像素点 p p p上,色彩混合表示式为:

b p ∗ = b p ( γ ( c p − 1 ) + 1 ) b^{ast}_p = b_p left( gamma (c_p - 1) + 1 right) bp=bp(γ(cp1)+1)

c p ∈ C c_p in C cpC b p ∈ B b_p in B bpB

在这里插入图片描述

3.3 外观修正

色彩迁移只考虑色彩和反射的变化,并没有获取由化妆引起的细微几何变化(subtle geometry change)而导致的外观差异(difference in appearance)。

  • 外观修正(appearance correction)

对实例妆容图像求拉普拉斯二阶导数,并将二阶信息映射到输出图像上。

假设:由局部几何变化引起的外观变化可通过拉普拉斯算子(Laplacian operator) Δ ( ⋅ ) Delta (cdot) Δ()获取,该算子用于计算某像素与其相邻像素的差异。

在该假设下,由妆容引起的几何外观变化可通过混合各个像素点 p p p a p ∗ a^{ast}_p ap b p b_p bp近似表示,即局部拉普拉斯二阶导数估计为:

Δ b p ∗ = Δ ( β b p + ( 1 − β ) a p ∗ ) Delta b^{ast}_p = Delta left( beta b_p + (1 - beta) a^{ast}_p right) Δbp=Δ(βbp+(1β)ap)

在给定 β beta β后,等式右端为确定值,此时需要修改 b p ∗ b^{ast}_p bp以满足上式对 Δ b p ∗ Delta b^{ast}_p Δbp的约束。该约束可通过高斯-赛德尔(Gauss-Seidel)迭代求解。

3.4 眼睛迁移

睫毛和眉毛的浓妆效果需要更精细的处理,包括毛发的长度、颜色和密度。

本文利用提取的眉毛和睫毛的蒙板 α alpha α,将图像 B B B的眉毛和睫毛选区叠加到 B ∗ B^{ast} B上,实现眉毛和睫毛的转移。

b p ∗ = α b p + ( 1 − α ) b p ∗ b^{ast}_p = alpha b_p + (1 - alpha) b^{ast}_p bp=αbp+(1α)bp

在这里插入图片描述

4 结果和应用

保留毛发的颜色和密度

风格迁移与构图

5 讨论及局限

本文假设妆容映射是乘性的,即图像 B B B妆前肤色会影响妆后肤色。

在极端浓妆情况下,比如京剧脸谱,妆容迁移表达示修改为:

b p ∗ = ( ( 1 − ζ ) a p ∗ / a p + ζ ) b p b^{ast}_p = left( (1 - zeta) a^{ast}_p / a_p + zeta right) b_p bp=((1ζ)ap/ap+ζ)bp

其中 ζ ∈ [ 0 , 1 ] zeta in [0, 1] ζ[0,1]表示妆容的覆盖强度(covering strength)。对于油彩妆容, ζ = 1 zeta = 1 ζ=1 ζ &lt; 1 zeta lt 1 ζ<1表示妆容变淡。

最后

以上就是激昂毛豆为你收集整理的文献阅读 - Example-Based Cosmetic Transfer基于实例的妆容迁移(Example-Based Cosmetic Transfer)的全部内容,希望文章能够帮你解决文献阅读 - Example-Based Cosmetic Transfer基于实例的妆容迁移(Example-Based Cosmetic Transfer)所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错,欢迎将靠谱客网站推荐给程序员好友。

本图文内容来源于网友提供,作为学习参考使用,或来自网络收集整理,版权属于原作者所有。
点赞(49)

评论列表共有 0 条评论

立即
投稿
返回
顶部