面向远程人机交互系统的表情迁移方法
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 面部表情捕捉 | 第13-15页 |
| 1.2.2 表情参数提取 | 第15-16页 |
| 1.3 本文主要研究内容 | 第16-17页 |
| 1.4 本文章节安排 | 第17-18页 |
| 第二章 表情迁移基本原理 | 第18-30页 |
| 2.1 表情迁移算法流程 | 第18-19页 |
| 2.2 表情捕捉方法 | 第19-25页 |
| 2.2.1 受约束的局部模型算法 | 第19-22页 |
| 2.2.2 监督下降算法 | 第22-24页 |
| 2.2.3 特点与不足 | 第24-25页 |
| 2.3 表情参数提取方法 | 第25-28页 |
| 2.3.1 STM方法 | 第25-26页 |
| 2.3.2 优化STM | 第26-27页 |
| 2.3.3 特点与不足 | 第27-28页 |
| 2.4 表情动画合成方法 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 多任务级联卷积神经网络框架 | 第30-47页 |
| 3.1 引言 | 第30页 |
| 3.2 核心理论 | 第30-36页 |
| 3.2.1 多任务学习 | 第30-32页 |
| 3.2.2 Cascade学习 | 第32-34页 |
| 3.2.3 卷积神经网络 | 第34-36页 |
| 3.3 多任务级联卷积神经网络框架设计 | 第36-45页 |
| 3.3.1 多任务级联卷积神经网络模块 | 第36-39页 |
| 3.3.2 多任务级联卷积神经网络的必要性 | 第39页 |
| 3.3.3 多任务级联卷积神经网络框架 | 第39-45页 |
| 3.4 本章小结 | 第45-47页 |
| 第四章 表情捕捉算法试验分析 | 第47-58页 |
| 4.1 试验配置与目的 | 第47页 |
| 4.2 试验数据库 | 第47-50页 |
| 4.3 Ground-Truth评判标准 | 第50-52页 |
| 4.4 网络训练步骤及参数设定 | 第52-53页 |
| 4.5 实验结果及分析 | 第53-56页 |
| 4.6 本章小结 | 第56-58页 |
| 第五章 远程人机交互系统中的表情迁移实现 | 第58-66页 |
| 5.1 人脸特征归一化的表情参数提取算法 | 第58-59页 |
| 5.1.1 特征提取 | 第58-59页 |
| 5.1.2 分类回归 | 第59页 |
| 5.2 远程人机交互系统介绍 | 第59-60页 |
| 5.3 远程人机交互系统框架 | 第60-62页 |
| 5.4 表情迁移实现方法 | 第62-63页 |
| 5.5 远程人机交互系统中的表情迁移效果 | 第63-65页 |
| 5.6 本章小结 | 第65-66页 |
| 第六章 全文总结及展望 | 第66-68页 |
| 6.1 全文总结 | 第66-67页 |
| 6.2 未来工作展望 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-75页 |
| 攻读硕士学位期间取得的成果 | 第75页 |
