[[417461]]

 如何用一張人臉可以生成一段有趣的視頻？

當(dāng)然不是指這種直接貼個(gè)人頭就算了的粗糙gif

人臉視頻的生成通常會(huì)利用人臉圖像的稀疏特征點(diǎn)（landmarks）結(jié)合生成對抗網(wǎng)絡(luò)（GAN）。

不過，這種由稀疏人臉特征點(diǎn)生成的人臉圖像視頻通常會(huì)遇到很多問題。

比如圖像質(zhì)量損失、圖像失真、身份改變，以及表情不匹配等問題。

因此，為了解決這些問題，本文作者使用重建出的三維人臉動(dòng)態(tài)信息來指導(dǎo)人臉視頻的生成。

論文地址：https://ieeexplore.ieee.org/abstract/document/9439899

arXiv版本：https://arxiv.org/pdf/2105.14678.pdf

三維人臉動(dòng)態(tài)中，人的面部表情和動(dòng)作更加細(xì)膩，可以作為有力的先驗(yàn)知識指導(dǎo)生成高度逼真的人臉視頻。

文中，作者設(shè)計(jì)了一套三維動(dòng)態(tài)預(yù)測和人臉視頻生成模型(FaceAnime)來預(yù)測單張人臉圖像的3D動(dòng)態(tài)序列。

通過稀疏紋理映射算法進(jìn)一步渲染3D動(dòng)態(tài)序列的皮膚細(xì)節(jié)，最后利用條件生成對抗網(wǎng)絡(luò)引導(dǎo)人臉視頻的生成。

實(shí)驗(yàn)結(jié)果顯示，F(xiàn)aceAnime能從單張靜止的人臉圖像生成高保真度、身份不變性的人臉視頻，比其它方法效果更好。

背景和貢獻(xiàn)

當(dāng)前的人臉視頻生成方法普遍采用人臉的稀疏特征點(diǎn)(landmarks)來引導(dǎo)圖片或視頻的生成。

然而作者認(rèn)為使用稀疏的二維特征點(diǎn)引導(dǎo)人臉圖像/視頻生成有明顯的不足：

1. 稀疏人臉特征點(diǎn)不能很好地表示人臉圖像的幾何形狀，容易導(dǎo)致人臉整體形狀和面部結(jié)構(gòu)細(xì)節(jié)的缺失，進(jìn)而導(dǎo)致合成圖像的失真和質(zhì)量損失；
2. 稀疏的二維特征點(diǎn)不攜帶源人臉圖像的任何內(nèi)容信息，這可能會(huì)導(dǎo)致生成的圖像過擬合于只包含訓(xùn)練集的人臉圖像中；
3. 在視頻生成過程中應(yīng)保留人臉身份信息，但稀疏的2D特征點(diǎn)沒有身份信息，容易導(dǎo)致合成結(jié)果的身份變化。

因此，文章針對這些方面做出了以下貢獻(xiàn)：

• 不同于廣泛使用2D稀疏人臉landmarks進(jìn)行圖像/視頻的引導(dǎo)生成，文章主要探索包含人臉豐富信息的3D動(dòng)態(tài)信息的人臉視頻生成任務(wù)；
• 設(shè)計(jì)了一個(gè)三維動(dòng)態(tài)預(yù)測網(wǎng)絡(luò)(3D Dynamic Prediction，3DDP)來預(yù)測時(shí)空連續(xù)的3D動(dòng)態(tài)序列；
• 提出了一個(gè)稀疏紋理映射算法來渲染預(yù)測的3D動(dòng)態(tài)序列，并將其作為先驗(yàn)信息引導(dǎo)人臉圖像/視頻的生成；
• 文章使用隨機(jī)和可控的兩種方式進(jìn)行視頻的生成任務(wù)，驗(yàn)證提出方法的有效性。

方法描述

本文提出的FaceAnime包含一個(gè)3D動(dòng)態(tài)預(yù)測網(wǎng)絡(luò)（3D Dynamic Prediction, 3DDP）和一個(gè)先驗(yàn)引導(dǎo)的人臉生成網(wǎng)絡(luò)（Prior-Guided Face Generation, PGFG）。

首先，方法基于三維形變模型（3D Morphable Models, 3DMM）對單張人臉圖像進(jìn)行三維重建，3DDP網(wǎng)絡(luò)隨后預(yù)測該圖像未來的3D動(dòng)態(tài)序列，之后將動(dòng)態(tài)序列進(jìn)行稀疏紋理映射渲染，最后使用PGFG網(wǎng)絡(luò)完成相應(yīng)的人臉生成。

FaceAnime的整體框架圖，3DDP網(wǎng)絡(luò)部分

FaceAnime的整體框架圖，PGFG網(wǎng)絡(luò)部分

3D人臉重建和稀疏紋理映射

3D形變模型（3D Morphable Model, 3DMM）用來從2D人臉圖像中預(yù)測相應(yīng)的3D人臉。

其中，描述3D人臉的頂點(diǎn)（vertex）可由一系列2D人臉中的正交基線性加權(quán)得出：

其中，S bar是平均臉, As是形狀主成分基, as是相應(yīng)的形狀系數(shù)，Aexp是表情主成分基，aexp是對應(yīng)的表情系數(shù)。

反過來，3D人臉頂點(diǎn)也可以通過變換映射到一個(gè)2維圖像平面上，對應(yīng)的公式可以表達(dá)為：

其中，V表示3D頂點(diǎn)在2維平面上的映射坐標(biāo)，∏是固定的正交映射矩陣，Pr是對應(yīng)的旋轉(zhuǎn)矩陣，而t為偏移向量。

通過最小化映射landmarks和檢測的landmarks之間的l2距離，最終可以求得3DMM中的系數(shù)。

給定一張?jiān)慈四槇D像（Source Face），其3D形狀可以通過改變重建的3DMM系數(shù)來進(jìn)行任意的修改, 則目標(biāo)人臉的稀疏紋理可以由修改后的3DMM系數(shù)獲得。

在人臉重定向任務(wù)中，修改的3DMM系數(shù)可由參考人臉視頻幀得到，而在人臉預(yù)測任務(wù)中，則由LSTM模塊預(yù)測得到。

為了防止在紋理映射中，密集的紋理先驗(yàn)信息太強(qiáng)而導(dǎo)致目標(biāo)動(dòng)作中出現(xiàn)不符合期望的結(jié)果，因此在紋理映射過程中本文采用間隔采樣即稀疏紋理映射，以適應(yīng)不同的人臉運(yùn)動(dòng)變化。

給定不同的3DMM系數(shù)所得到的不同三維人臉重建和稀疏映射的結(jié)果

不同于以往只針對某一種任務(wù)的視頻生成，在本文中作者提出了三個(gè)不同的生成任務(wù)，即人臉視頻重定向（Face video retargeting），視頻預(yù)測（Video prediction）以及目標(biāo)驅(qū)動(dòng)的視頻預(yù)測（Target-driven video prediction）。

對于retargeting任務(wù)，作者使用參考視頻來提供序列的變化信息，而不使用3DDP來預(yù)測。

視頻預(yù)測：

給定一個(gè)觀測到的動(dòng)態(tài)序列（3DMM coefficients），LSTM對其進(jìn)行編碼：

為了預(yù)測出一個(gè)合理的動(dòng)作，LSTM不得不首先學(xué)習(xí)大量的動(dòng)作輸入以識別在姿態(tài)序列中運(yùn)動(dòng)的種類以及隨時(shí)間的變化。

在訓(xùn)練過程中，未來動(dòng)態(tài)序列可以由下式生成：

其中dt hat表示預(yù)測得到的3DMM系數(shù)，其表示在時(shí)刻t的3D dynamic。

基于以上公式，模型可以從一個(gè)初始的dynamic d0學(xué)到一個(gè)合理的未來序列。

目標(biāo)驅(qū)動(dòng)的視頻預(yù)測：

對于LSTM來講，要實(shí)現(xiàn)目標(biāo)引導(dǎo)的運(yùn)動(dòng)生成，模型需要兩個(gè)輸入，即source dynamic和target dynamic。

不同于視頻預(yù)測，作者使用了一個(gè)計(jì)時(shí)器來對target dynamic進(jìn)行重新賦權(quán)。

整體的LSTM預(yù)測可以用公式表示為：

這里dT表示target dynamic，T為預(yù)測長度，即t=0表示序列開始時(shí)間，t=T為序列結(jié)束。

損失函數(shù)：

給一個(gè)source人臉圖像，作者使用2DAL模型回歸出相應(yīng)的3DMM系數(shù)，用來表示初始的3D dynamic d0。之后模型通過觀測d0來生成一個(gè)系數(shù)序列d1:T hat。

在訓(xùn)練過程中，作者使用3DMM coefficient loss和3D vertex loss兩個(gè)損失函數(shù)進(jìn)行監(jiān)督學(xué)習(xí)。

3DMM coefficient loss定義為預(yù)測3DMM 系數(shù)和ground truth 3DMM系數(shù)之間的歐式距離：

而3D vertex loss定義為：

其中v1+t hat和v1+t分別為預(yù)測得到的系數(shù)和標(biāo)準(zhǔn)系數(shù)對應(yīng)的人臉三維頂點(diǎn)信息。則整體的損失函數(shù)可以表述為：

先驗(yàn)引導(dǎo)的人臉生成:基于提出的稀疏紋理映射，source人臉圖像被用于渲染預(yù)測的3D dynamics。在這里，稀疏紋理作為引導(dǎo)人臉生成的先驗(yàn)信息。

文中提到的網(wǎng)絡(luò)PGFG（Prior-Guided Face Generation Network）主要由條件GANp網(wǎng)絡(luò)來組成。

PGFG網(wǎng)絡(luò)的結(jié)構(gòu)：

PGFG生成器G有三個(gè)輸入，分別是source人臉I(yè)s，Is對應(yīng)的紋理先驗(yàn)ps和pt目標(biāo)的紋理先驗(yàn)。

在這里，作者并沒有直接使用目標(biāo)的紋理先驗(yàn)pt作為先驗(yàn)引導(dǎo)，而是使用了先驗(yàn)殘差來引導(dǎo)人臉生成，在特征空間可以獲得運(yùn)動(dòng)殘差：E(pt)-E(ps)。由此可得最終人臉為：

為了進(jìn)一步利用不同空間位置的特征信息，編碼器和解碼器均由Dense blocks組成。

判別器有兩個(gè)輸入，即目標(biāo)人臉圖像的紋理先驗(yàn)分別和生成人臉、目標(biāo)人臉結(jié)合的輸入[pt, It hat]，[pt, It]。

損失函數(shù)：

網(wǎng)絡(luò)PGFG由三個(gè)損失函數(shù)進(jìn)行監(jiān)督，分別為圖像像素間的損失Limg，對抗損失Ladv和身份信息損失Lid。

需要注意的是，在身份信息損失中，R為預(yù)訓(xùn)練的人臉識別模型。網(wǎng)絡(luò)整體的損失函數(shù)為：

結(jié)果和分析

作者分別對人臉視頻重定向、視頻預(yù)測以及目標(biāo)驅(qū)動(dòng)的視頻預(yù)測三個(gè)任務(wù)做了相應(yīng)的大量實(shí)驗(yàn)。

人臉視頻重定向：

在這個(gè)任務(wù)中，作者分別對人臉表情的重定向以及頭部講話重定向兩個(gè)子任務(wù)進(jìn)行了實(shí)驗(yàn)。

實(shí)驗(yàn)表明，所提出的FaceAnime模型可以很好的將source人臉圖像中的表情和動(dòng)作重定向到目標(biāo)圖像上，生成相對應(yīng)的姿態(tài)和講話表情。

FaceAnime的人臉表情重定向(a)和頭部講話重定向(b)實(shí)驗(yàn)結(jié)果

人臉視頻預(yù)測：

這個(gè)任務(wù)中包含視頻預(yù)測以及目標(biāo)驅(qū)動(dòng)的視頻預(yù)測兩個(gè)子任務(wù)。

對每一個(gè)預(yù)測任務(wù)，實(shí)驗(yàn)過程中作者隨機(jī)選取一張從人臉圖像測試集IJB-C中抽取的單張人臉圖像。

對于視頻測試，作者首先使用3DDP網(wǎng)絡(luò)從source人臉中預(yù)測一個(gè)運(yùn)動(dòng)序列，然后用該序列引導(dǎo)人臉視頻的生成。

而對于目標(biāo)引導(dǎo)的人臉預(yù)測任務(wù)，則需要兩個(gè)輸入圖像。一個(gè)是source人臉，另一個(gè)為target人臉。

3DDP網(wǎng)絡(luò)用于預(yù)測從source人臉到target人臉之間平滑的運(yùn)動(dòng)變化，從而引導(dǎo)人臉視頻的生成。

FaceAnime的視頻生成結(jié)果

FaceAnime的目標(biāo)驅(qū)動(dòng)視頻生成的結(jié)果

為了展示所提出方法的先進(jìn)性，作者還同其他類似任務(wù)的算法進(jìn)行了效果對比。

FaceAnime和其它方法的對比結(jié)果

通過比較，F(xiàn)aceAnime不僅可以生成高質(zhì)量且真實(shí)的人臉視頻序列，同時(shí)生成的視頻圖像可以精確的還原參考視頻中人臉表情和姿態(tài)變化，還能較好的保持人臉的身份信息。

大量實(shí)驗(yàn)表明，作者提出的方法可以將參考視頻的姿態(tài)和表情變化重定位到source人臉上，并且對于一個(gè)隨機(jī)的人臉圖像，其可以生成合理的未來視頻序列。

對比其他最先進(jìn)的人臉生成方法，所提出的方法在生成高質(zhì)量和身份信息保持的人臉方面具有更好的效果。

作者介紹

涂曉光，2020年在中國電子科技大學(xué)獲得博士學(xué)位。2018年至2020年在新加坡國立大學(xué)學(xué)習(xí)與視覺實(shí)驗(yàn)室做訪問學(xué)者，師從馮佳時(shí)博士。研究興趣包括凸優(yōu)化，計(jì)算機(jī)視覺和深度學(xué)習(xí)。

鄒應(yīng)天，新加坡國立大學(xué)計(jì)算機(jī)學(xué)院在讀博士。2018年，他在中國武漢的華中科技大學(xué)獲得計(jì)算機(jī)科學(xué)學(xué)士學(xué)位。他的研究興趣是計(jì)算機(jī)視覺、實(shí)用機(jī)器學(xué)習(xí)算法及其理論。

趙健，2012年獲得北京航空航天大學(xué)學(xué)士學(xué)位，2014年獲得國防科技大學(xué)碩士學(xué)位，2019年獲得新加坡國立大學(xué)博士學(xué)位。他的主要研究興趣包括深度學(xué)習(xí)、模式識別、計(jì)算機(jī)視覺和多媒體分析。曾獲ACM MM 2018年最佳學(xué)生論文獎(jiǎng)。曾擔(dān)任NSFC、T-PAMI、IJCV、NeurIPS（2018年NeurIPS最高分前30%的審稿人之一）、CVPR等的邀請審稿人。

艾文杰，電子科技大學(xué)信息與通信工程學(xué)院在讀碩士。他感興趣的研究領(lǐng)域主要包括計(jì)算機(jī)視覺和深度學(xué)習(xí)，特別是超級分辨率和去模糊。

董健，IEEE會(huì)員，在新加坡國立大學(xué)獲得博士學(xué)位。目前是Shopee公司的董事。曾任360的高級總監(jiān)和亞馬遜的研究科學(xué)家。他的研究興趣包括機(jī)器學(xué)習(xí)和計(jì)算機(jī)視覺，并在PASCAL VOC和ILSVRC比賽中獲得了優(yōu)勝獎(jiǎng)。

遙遠(yuǎn)，Pensees新加坡研究院的人工智能科學(xué)家。2019年在新加坡國立大學(xué)獲得電子和計(jì)算機(jī)工程碩士學(xué)位。2019年在劍橋大學(xué)劍橋圖像分析組做訪問學(xué)者。他的研究興趣包括生成式對抗網(wǎng)絡(luò)、光流估計(jì)和人臉識別。

王智康，西安電子科技大學(xué)電子工程學(xué)院在讀碩士。2019年至2020年在新加坡國立大學(xué)學(xué)習(xí)與視覺實(shí)驗(yàn)室做訪問學(xué)者。他的研究興趣包括計(jì)算機(jī)視覺、深度學(xué)習(xí)和多媒體數(shù)據(jù)處理。

李志鋒，騰訊人工智能實(shí)驗(yàn)室的頂級首席研究員。2006年在香港中文大學(xué)獲得博士學(xué)位。之后在香港中文大學(xué)和密歇根州立大學(xué)做博士后研究。在加入騰訊人工智能實(shí)驗(yàn)室之前，他是中國科學(xué)院深圳先進(jìn)技術(shù)研究院的一名全職教授。他的研究興趣包括深度學(xué)習(xí)、計(jì)算機(jī)視覺和模式識別，以及人臉檢測和識別。目前在《神經(jīng)計(jì)算》和《IEEE視頻技術(shù)電路與系統(tǒng)》的編輯委員會(huì)任職，并且是英國計(jì)算機(jī)學(xué)會(huì)（FBCS）的研究員。

郭國棟，在美國威斯康星大學(xué)麥迪遜分校獲得計(jì)算機(jī)科學(xué)博士學(xué)位。目前是百度研究院深度學(xué)習(xí)研究所的副所長，同時(shí)也是美國西弗吉尼亞大學(xué)（WVU）計(jì)算機(jī)科學(xué)和電子工程系的副教授。他的研究興趣包括計(jì)算機(jī)視覺、生物統(tǒng)計(jì)學(xué)、機(jī)器學(xué)習(xí)和多媒體。他在2008年獲得北卡羅來納州優(yōu)秀創(chuàng)新獎(jiǎng)，在西弗吉尼亞大學(xué)CEMR獲得杰出研究員（2017-2018），在西弗吉尼亞大學(xué)CEMR獲得年度最佳新研究員（2010-2011）。

劉威，騰訊人工智能實(shí)驗(yàn)室計(jì)算機(jī)視覺中心的主任。曾于2012年至2015年在美國紐約州約克敦高地的IBM T. J. Watson研究中心擔(dān)任研究人員。他致力于機(jī)器學(xué)習(xí)、計(jì)算機(jī)視覺、模式識別、信息檢索、大數(shù)據(jù)等領(lǐng)域的研究和開發(fā)。目前在IEEE Transactions on Pattern Analysis and Machine Intelligence、IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Circuits and Systems for Video Technology、Pattern Recognition等刊物的編委會(huì)任職。他是國際模式識別協(xié)會(huì)（IAPR）的會(huì)員和國際統(tǒng)計(jì)學(xué)會(huì)（ISI）的當(dāng)選成員。

馮佳時(shí)，2007年在中國科技大學(xué)獲得工學(xué)學(xué)士學(xué)位，2014年在新加坡國立大學(xué)獲得博士學(xué)位。2014年至2015年，他在美國加州大學(xué)擔(dān)任博士后研究員。目前是新加坡國立大學(xué)電子和計(jì)算機(jī)工程系的助理教授。研究興趣集中在大規(guī)模數(shù)據(jù)分析的機(jī)器學(xué)習(xí)和計(jì)算機(jī)視覺技術(shù)。