论文Example-Based Cosmetic Transfer (2007,妆容迁移,有监督模型)
作者:互联网
Example-Based Cosmetic Transfer
文章地址:Example-Based Cosmetic Transfer | IEEE Conference Publication | IEEE Xplore
有监督模型——需要成对的化妆前后图
目的:系统,虚拟上妆,基于实例的妆容迁移
- 参考面部的固有皮肤特征,雀斑、痣和污点等不应该被转移
- 保留目标面部的皮肤特征
要求:上妆前后图像对且两张图片在相同的位置和光线下获得
A和A’是参考图,B是目标图,B’是生成图
------------------------------------------------------------------------------------------------------------------------------
方法:基于图像的技术
- 计算上妆前后图像颜色和光照的变化
- 对参考面部与目标面部皮肤纹理和肤色差异进行调整
- 对给定的目标面部快速应用和调整化妆风格
------------------------------------------------------------------------------------------------------------------------------
妆容迁移:
1. 预处理
参考图和目标图要在相同的光照和姿态下获得
(1)去除眉毛和睫毛
使用Bayesian matting(贝叶斯抠图)[1]对眉毛和睫毛分割
构建tri-map,其中背景、前景和不确定区域被粗略标记,使用贝叶斯抠图自动对不确定区域抠图。输出为蒙板α ,表示目标图像中眉毛和睫毛的选区。
(2)使用合成的纹理填充去除眉毛和睫毛后所形成的洞
图像修复和纹理合成
使用图切割纹理合成算法[2]并使用孔洞周围的图像作为纹理补丁。
(3)提取固有的皮肤特征
去除参考图中的雀斑、痣和污点
从人脸图像中选择皮肤贴片,将独立成分分析(ICA)[3]应用于贴片,以获得人体皮肤上某些可见斑点的两种色素的分离矩阵。黑色素产生的颜色通常会被设定阈值,以数字方式降低它们的可见性,使图像中的脸部看起来更白,肤色更均匀。
(4)将面部几何结构扭曲为标准的面部模型
手动指定输入图像和标准人脸模型之间的二维点对应,可使用专门针对人脸训练的主动外观模型[4]减少手动处理
2. 妆容映射
Cp = a* p / ap
ap 和 a*p是化妆前后像素p的强度
b*p = cpbp
最终输出的B*(生成图)是所有{b*p}的集合
3. 外观校正
每个像素p处的颜色合成公式:
γ∈[0,1]控制化妆品的用量
得到的妆容图C只考虑了颜色和反射率的变化,由化妆引起的细微几何变化导致的外观差异并没有被捕捉到。
对妆容图求拉普拉斯二阶导数,并将二阶信息映射到输出图像上。
在给定β后,等式右端为确定值,此时需要修改b*p以满足上式对Δb*p的约束。该约束可通过高斯-赛德尔(Gauss-Seidel)迭代求解。
4. 眼部迁移
利用提取的眉毛和睫毛的蒙板α,将图像B的眉毛和睫毛选区叠加到B*上,实现眉毛和睫毛的迁移。
------------------------------------------------------------------------------------------------------------------------------
结果:
1.只转移化妆品,不转移固有特征和参考面部的肤色
2.化妆品的用量可调,可展示相同风格的淡妆与浓妆
3.对图像润色
4.保持了毛发的颜色和密度
5.可混合不同的化妆风格
------------------------------------------------------------------------------------------------------------------------------
缺点:
对输入图像要求太高,很难确保参考图和目标的精确性
标签:眉毛,Based,参考,Transfer,面部,Cosmetic,图像,睫毛,妆容 来源: https://blog.csdn.net/weixin_53965540/article/details/121583758