抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
例えば3dmms,前learnt部分空間法は顔線形クラスであることを仮定して,3D顔の合成のための顕著な探査した。しかし,人間の顔は非線形多様体にあり,新しい試験は,民族性,年齢,性別などによる不釣り合いのため正確に前learnt部分空間において常にではない。論文では,3D顔表現のためのパラメトリックTスプラインモーフィング可能モデル(T splineMM),未知源正確にから適合データの大きな利点を提案した。モデルでは,C∧2Tスプライン表面による顔を記述し,顔表面をいくつかの形状ユニット(SUs)に,Facial Action Coding System(FACS)によれば,T メッシュの代わりに表面に直接。前learnt同一性と発現部分空間に沿ったTスプライン制御点成分の係数を最適化するために,同様に微細化進展の詳細を最適化するために提案したフィッティングアルゴリズム。前learnt部分空間は,顔や表情の種類と詳細を扱うために完全ではないので,モーフィングの制限された範囲をカバーしている。SU分裂と詳細微細化はモーフィング部分空間の大きなスパンにおける顔面筋変形をフィッティングすることがモデルにしている。顔スキャンデータに関する実験,kinectデータとして詳細フィッティング,欠測データに対するロバスト性と雑音の性能を試験するために,このモデルの有効性を実証するために空間-時間データを行った。説得力のある結果により,ポピュラーな手法と比較して提案モデルの有効性を実証するために説明した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】
