高通专利分享用面部landmark信息优化AR/VR面部追踪( 二 )


在一个示例中 , landmark特征信息210可以包括使用诸如3DMM系统获得的信息 。 3DMM系统可以使用混合形状工具来变形和/或建模3D头部模型的区域 。 通过调整与工具相关联的一个或多个混合形状系数 , 可以调整由混合形状工具对3D头部模型造成的变形 。 混合形状系数可以对应于面部表情的全部或部分的近似语义参数化 。
例如 , 混合形状系数可以对应于完整的面部表情 , 或者对应于部分”面部表情 。 部分表情的示例包括抬起一条眉毛、闭上一只眼睛、移动面部的一侧等 。 在一个示例中 , 单个混合形状系数可以近似单个面部肌肉运动的线性化效果 。
3DMM系统可以通过改变与3D头部模型相关联的一个或多个混合形状系数来有效地调整3D头部模型的面部表情 。
高通专利分享用面部landmark信息优化AR/VR面部追踪
文章图片
图3A示出了可以由3DMM系统生成的示例3D头部模型302 。 在所述示例中 , 用户可以通过调整一个或多个滑块控件306的位置来调整3D头部模型302的面部表情 。 每个滑块控件可以与混合形状相关联 。
在所述示例中 , 混合形状的混合形状系数表示为0和6000之间的值 , 其中3000的值对应于中性面部表情 , 0和6000的值对应与中性面部表情的最大偏差 。 当用户调整一个或多个滑块控件306时 , 3DMM系统可以相应地调整混合形状系数 , 从而致使3D头部模型302的面部表情的相应调整 。
在一个示例中 , 混合形状系数可以包括识别系数和/或面部表情系数 。 识别系数可以表示与特定面部相关联的面部特征 。 面部表情系数可以表示与各种面部表情相关联的面部特征的变化 。
基于与特定人相关联的身份系数 , 3DMM系统可以将通用3D头部模型转换为特定人的3D头部模型 。 另外 , 基于与特定面部表情相关联的面部表情系数 , 3DMM系统可以将通用3D头部模型转换为表示特定面部表情的3D头部模型 。
高通专利分享用面部landmark信息优化AR/VR面部追踪
文章图片
图3B提供了可由3DMM使用各种类型的混合形状系数生成和/或变换的各种3D头部模型的示例 。 例如 , 模型310示出了具有中性表情的通用3D头部模型 , 模型312示出了变换成表示惊讶的面部表情的模型310 , 模型314示出了变换成表示高兴的面部表情 , 模型316则示出了变换成表示厌恶的面部表情 。
返回图2 , landmark特征信息210可以包括与图像帧208相关联的一个或多个混合形状系数 。 landmark特征引擎204可以检测图像帧208内的人的面部 。 landmark特征引擎204可以将与人面相对应的图像数据与人脸的3D头部模型进行比较 。 基于比较 , landmark特征引擎204可以确定对应于与人的面部相关联的面部表情的一组混合形状系数 。
在一个示例中 , 所确定的混合形状系数可以表示landmark特征信息210的全部或一部分 。 在其他示例中 , landmark特征数据210可以包括基于混合形状系数生成的landmark图像帧 。 在一个示例中 , landmark图像帧可以指示和/或表示图像帧内的人的面部的一个或多个关键landmark特征 。
为了生成landmark图像帧 , landmark特征引擎204可以基于混合形状系数确定与图像帧208相关联的多个lanmark特征 。 例如 , 混合形状系数可以指示图像帧208内对应于各种landmark特征的位置 。
高通专利分享用面部landmark信息优化AR/VR面部追踪
文章图片
在图3C中 , 由landmark特征引擎204确定的landmark特征示为叠加在与图像帧318内的人面相对应的图像数据上的点 。 landmark特征引擎204可以确定与人面相关联的任何数量的landmark特征 。 例如 , landmark特征引擎204可以确定100个landmark特征、200个landmark或300个landmark特征 。