首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于扫描数据的三维人脸表情合成

摘要第1-5页
Abstract第5-14页
第1章 绪论第14-18页
   ·课题背景第14-15页
   ·三维人脸表情合成的难点第15页
   ·论文的主要目标和工作第15-17页
     ·人脸重建技术第15-16页
     ·基于稀疏编码的表情合成技术第16-17页
     ·基于径向基函数联合学习的表情合成技术第17页
     ·人脸表情合成交互系统第17页
   ·论文组织第17-18页
第2章 三维人脸表情合成相关技术综述第18-41页
   ·三维数据获取第18-22页
     ·被动式方法第18-20页
     ·主动式方法第20-22页
   ·三维重建第22-28页
     ·全局拟合第22-25页
     ·分片拟合第25-27页
     ·点集曲面方法第27-28页
     ·其它曲面重建方法第28页
   ·传统三维人脸表情合成方法第28-37页
     ·基于物理模拟的合成方法第29-31页
     ·基于插值的表情合成方法第31页
     ·参数化合成方法第31-33页
     ·数据驱动表情合成方法第33-37页
   ·基于机器学习的三维人脸表情合成第37-40页
   ·本章小结第40-41页
第3章 三维人脸重建第41-66页
   ·研究背景第41-42页
   ·平板电容模型与隐曲面重建第42-45页
   ·问题定义与双边径向基函数曲面算法流程第45-46页
   ·双边径向基函数曲面拟合第46-54页
     ·模型初始化第46-50页
     ·模型优化第50-54页
   ·多层拟合模型第54-58页
   ·双边径向基函数曲面可视化第58-62页
     ·等值面跟踪第58-60页
     ·基于GPU加速的可视化方法第60-62页
   ·实验结果与分析第62-65页
   ·本章小结第65-66页
第4章 基于稀疏编码的三维人脸表情建模第66-88页
   ·研究背景第66-68页
   ·稀疏编码第68-70页
   ·三维人脸表情合成问题第70-71页
   ·基于交互的表情合成第71-73页
     ·基本表情合成第71-73页
     ·基于表情空间插值的表情合成第73页
   ·基于样例的表情合成第73-75页
     ·基本表情合成第74页
     ·表情传递第74-75页
   ·不完整及带噪声的表情数据修复第75-77页
   ·实验结果第77-84页
     ·数据获取第77-78页
     ·数据对齐第78-81页
     ·实验比较第81-84页
   ·分析与讨论第84-87页
   ·本章小结第87-88页
第5章 基于径向基函数联合学习的三维人脸表情建模第88-108页
   ·研究背景第88-93页
     ·基于交互的表情合成第88-90页
     ·表情克隆第90-91页
     ·人脸数据修复第91-92页
     ·表情合成问题归纳第92-93页
   ·基于径向基函数的联合学习方法第93-96页
   ·基于交互的表情合成第96-99页
     ·基本表情合成第97页
     ·基于子空间插值的表情合成第97-99页
   ·基于样例的表情合成第99-100页
     ·基本表情合成第99-100页
     ·表情传递第100页
   ·基于联合学习的表情数据修复第100-101页
   ·实验结果第101-104页
   ·比较与分析第104-107页
     ·与传统线性模型的比较第104-105页
     ·与稀疏编码模型的比较第105-107页
   ·本章小结第107-108页
第6章 三维人脸表情合成原型系统第108-115页
   ·系统框架第108-109页
   ·系统运行环境第109页
   ·各模块功能简介第109-113页
     ·基本数据处理模块第109-110页
     ·三维人脸重建模块第110-111页
     ·人脸表情对齐模块第111-112页
     ·表情合成模块第112-113页
   ·本章小结第113-115页
第7章 总结与展望第115-117页
   ·本文总结第115-116页
   ·研究工作展望第116-117页
参考文献第117-131页
攻读博士学位期间主要的研究成果第131-132页
致谢第132页

论文共132页,点击 下载论文
上一篇:基于概率生成模型的文本主题建模及其应用
下一篇:虚拟计算系统性能与可用性评测方法研究