走进科学
计算机自动产生人脸模型
如果你用过一个智能手机应用Snapchat，你可能会将你自己的照片变成迪斯科熊，或者将你自己的脸和别人的混合。而今，一组研究人员已提出迄今为止最先进的计算机面部3D建模技术。这一系统能改进电子游戏中的个人头像、安全应用中的面部识别性能以及Snapchat中的滤镜。
计算机处理面部有时候是依靠所谓的三维形变模型(3DMM)。这一模型能表达大众脸，但也包含常见的与大众脸的差异模式。例如，如果你有一个长鼻子，那么很可能你的下巴也会比较长。根据这种相关性，计算机无需存储三维扫描的每个点就能描绘出你的面部特征，只需列出数百个数字描述你的面部与大众脸之间的差异，包括大致对应年龄、性别以及面部长度的参数。
credit: 煎蛋第八位画师准司机黄致富
但其中存在一个问题。要将所有可能的面部差异都囊括在内，3DMM需要集成大量面部信息，即需要扫描大量人的面部并费劲地标出所有特征。而目前最好的模型也仅仅基于几百个人的面部数据，而且大部分都是白人，无法很好地实现对不同年龄和种族的人的面部建模。
最近，帝国理工学院的计算机科学家James Booth及他的同事提出了一种自动创建3DMM的方法，能集成大量人的信息。该方法主要包含三个步骤。首先，利用一种算法自动提取面部扫描的特征，标记鼻尖和其他点。然后，利用另一种算法根据特征排列所有的扫描，将其结合到一个模型中。最后，检测并移除较差的扫描。
未参与该研究的约克大学计算机视觉研究者William Smith说道：“该工作最大的贡献是显示了如何完全自动化这一过程。”同样未参与该研究的德国达姆施塔特夫琅禾费计算机图形学研究所的计算机科学家Alan Brunton说道：“在每个面部上都标记数十个面部特征是一件极其繁琐的事情，你觉得点一个点相对容易，但有时候有些点并不是那么明显，比如嘴角，所以即使你自己手动做这个也会出现某些错误。”
credit: 煎蛋画师Chon
但Booth和他的同事所做的不止于此。他们将提出的方法应用于近1万个不同分布的人员的面部扫描。这些面部扫描是由整形外科医生Allan Ponniah 和David Dunaway在伦敦科学博物馆扫描得到的。他们请帝国理工学院的Stefanos Zafeiriou帮助分析了这些数据。研究者在IJCV(国际计算机视觉杂志)上的文章中称，将该方法应用于这些数据得到的“大规模面部模型”(LSFM)相比其他现有模型能更准确地表示人脸。在一组对比实验中，他们从一张照片中创建了小孩的模型。利用LSFM得到的模型看起来很像这个小孩，而利用目前最流行的形变模型，由于该模型完全基于成年人，因而看起来就像是一个完全不相关的大人。Booth和他的同事甚至利用大量的扫描数据创建了不同种族和年龄的人的具体形变模型。并且这些模型能自动根据形状将人脸分类到年龄组中。
credit: 煎蛋画师准司机黄致富
Booth团队已经将这一新模型投入使用。在另一篇论文中，研究者使用LSFM模型合成了10万张人脸，训练人工智能程序将随意的二维快照变成准确的三维模型。这一方法可用于判断犯罪嫌疑人在相机中的不同角度看起来是什么样子，或者是二十年之后的样子。也可以根据历史人物的画像具现化该人物并做成动画。
LSFM也可用于医疗中。如果某人鼻子没了，这一技术能帮助整形医生根据余下的整个面部确定新的鼻子应该是什么样子。面部扫描也可被用于鉴定可能的遗传病，比如威廉斯氏综合症、可能的心脏问题、发育迟缓以及一些面部缺陷，比如鼻子太短或者嘴太大等。
Ponniah称，新模型打开了很多研究的大门。
下一步是将面部表情考虑到模型中，这样就能识别各种鬼脸或者嘲讽表情。Zafeiriou称他们正回到博物馆，扫描更多的游客。
本文译自 sciencemag，由 CliffBao 编辑发布。