Mapping facial tracking data to ava

Mapping facial tracking data to avatars is very challenging
and time consuming, where a simple, yet efficient approach is
strongly required. State-of-the-art methods are either vulnerable
to noise or heavily reliant on complicated sensor devices.
To deal with the noisy data, and without using a motion capture
device, we present a novel vision-based facial expression
animation framework by applying facial hierarchical model
on pre-processed Motion Capture (MoCap) data. Our approach
uses a facial tracking algorithm to extract rigid head
pose and a set of expression motion parameters from each
video frame. We factorize the MoCap data as prior knowledge
to filter the low-quality 2D signals. In addition, a facial
hierarchical model is established by the Hierarchical Gaussian
Process Latent Variable Model (HGPLVM) to synthesize
the holistic facial expression. Experimental results demonstrate
the effectiveness of our system.

ผลลัพธ์ (ไทย) 1:

การแม็ปข้อมูลติดตามหน้ากับอวตารเป็นความท้าทายมากและใช้เวลานาน ง่าย ได้อย่างมีประสิทธิภาพจำเป็นอย่างยิ่ง วิธีการทันสมัยมีทั้งเสี่ยงเสียง หรือหนักพึ่งอุปกรณ์เซ็นเซอร์ที่ซับซ้อนการจัดการ กับข้อมูลเสียงดัง และโดยการจับภาพเคลื่อนไหวอุปกรณ์ เรานำเสนอเป็นนวนิยายตามวิสัยทัศน์หน้านิพจน์กรอบการเคลื่อนไหว โดยการใช้แบบจำลองแบบลำดับชั้นหน้าในการประมวลผลเบื้องต้นเคลื่อนไหวจับภาพข้อมูล (MoCap) วิธีการของเราใช้อัลกอริทึมการติดตามหน้าแยกหัวแข็งก่อให้เกิดและนิพจน์พารามิเตอร์การเคลื่อนไหวจากแต่ละชุดเฟรมของวิดีโอ เรา factorize MoCap ข้อมูลเป็นความรู้เดิมการกรองสัญญาณ 2D คุณภาพต่ำ นอกจากนี้ ผิวหน้าเป็นแบบจำลองแบบลำดับชั้นได้ก่อตั้งขึ้น โดยลำดับ Gaussianกระบวนการแฝงอยู่แปรรูป (HGPLVM) สังเคราะห์สีหน้าแบบองค์รวม ผลการทดลองแสดงให้เห็นถึงประสิทธิภาพของระบบของเรา

ผลลัพธ์ (ไทย) 3:

แผนที่การติดตามหน้า ข้อมูล อวตารเป็นสิ่งที่ท้าทายมาก
และเสียเวลาที่เรียบง่าย แต่มีประสิทธิภาพแนวทาง
ขอต้อง รัฐของศิลปะวิธีให้เสี่ยง
เสียงหรือซับซ้อนเกินไปบนเซนเซอร์อุปกรณ์
เพื่อจัดการกับข้อมูลที่มีเสียงดัง และโดยไม่ต้องใช้การจับการเคลื่อนไหว
อุปกรณ์ที่เรานำเสนอวิสัยทัศน์ใหม่
สีหน้าตามภาพเคลื่อนไหวกรอบโดยการใช้
ลำดับชั้นหน้าจับการเคลื่อนไหว ( โมแคป ) ก่อนการประมวลผลข้อมูล
วิธีการของเราใช้ขั้นตอนวิธีการติดตามใบหน้า สกัดท่าหัว
แข็งและชุดของการแสดงออกเคลื่อนไหวพารามิเตอร์จากแต่ละ
เฟรม . เรา factorize โมแคปเป็นข้อมูลความรู้ก่อน
กรองคุณภาพต่ำ 2 สัญญาณ นอกจากนี้ ผิวหน้า
ลำดับชั้นก่อตั้งขึ้นโดยลำดับชั้นเสียน
กระบวนการตัวแปรแฝง ( hgplvm ) สังเคราะห์
สีหน้าท่าทางแบบองค์รวม ผลการทดลองแสดงให้เห็นถึง
ประสิทธิผลของระบบของเรา