SpringBoot中使用Cache提升接口性能詳解
環境：springboot2.3.12.RELEASE + JSR107 + Ehcache + JPASpring 框架從 3.1 開始，對 Spring 應用程序提供了透明式添加緩存的支持。和事務支持一樣，抽象緩存允許一致地使用各
本文經AI新媒體量子位（公眾號ID:QbitAI）授權轉載，轉載請聯系出處。
搞定這樣的人臉3D建模需要幾步？
在數據采集的階段，答案是：一部手機 + 3.5分鐘。
沒錯，僅憑這3.5分鐘的數據，就足以生成高保真、可驅動的真實3D人臉頭像。
這項研究來自Meta Reality Labs——就是扎克伯格元宇宙計劃里的那個核心部門。論文已經被SIGGRAPH 2022接收。
作者提到，這一方法適用于VR應用。
也就是說，在VR的世界里，以后你可能就不必頂著一張卡通臉登場了。
而是可以方便地與胖友們“真身”相見。
方法原理
實現這一結果的方法框架如下圖所示：
具體而言，分為三個部分。
首先，是要用大型多視角人臉數據集訓練一個超網絡，這個超網絡可以通過神經網絡解碼器產生專屬于個人的頭像參數。
數據集中的人臉由多視角捕捉系統采集，包括255位不同年齡、性別和種族參與者的面部圖像數據。
△左為圖像捕獲設備；右為采集到的人臉
這個捕獲3D人臉的巨型裝置是Meta在2019年研發的，其中配備171個高分辨率攝像頭，每秒能記錄180GB數據。采集時間在1個小時左右。
值得一提的是，在這個超網絡中，解碼器的基本組成模塊是帶有bias map的卷積上采樣層。
這些bias map會被用來生成體積單元，進而通過射線追蹤來渲染頭像。
另外，該解碼器結構能夠將視線與其他面部活動區分開，這在VR應用中意味著能夠更直接地利用眼動跟蹤系統。
其次，是輕量級人臉表情捕捉。
在這項研究中，采集人臉只需要用到一部帶有深度攝像頭的智能手機。
實驗中，研究人員采用的是iPhone 12。
采集過程就像這樣：
采集到的數據要進行如下處理：
獲取每一幀人臉圖像中的幾何形狀和紋理；對輸入的RGB圖像進行人臉標志檢測和人像分割；對模板網格進行擬合和變形，以匹配檢測到的人臉標志物、分割輪廓和深度圖；對每一幀圖像的紋理進行解包，而后匯總得到完整的人臉紋理。
在進一步完善模型的過程中，還需要采集65種特定的表情：
最后，該方法輸出的3D人臉頭像不僅能與用戶外觀高度匹配，通過全局表情空間，還能對其進行進一步的驅動、控制。
研究人員表示，整個采集過程大概要花費3.5分鐘。
不過需要說明的是，建模的過程不是實時的，數據處理還要花費數小時的時間。
實驗結果
說了這么多，效果如何，我們還是來看實驗結果。
與Pinscreen提出的“一張照片構建3D數字化身”（CVPR 2021）的方法相比，該方法能生成更具真實感的人臉模型。
而與海德堡大學、慕尼黑工業大學、馬普所等研究機構在Neural Head Avatars from Monocular RGB Videos一文中提出的方法相比，該方法能生成保真度更高的結果。
不過，作者也指出了該方法的局限性：hold不太住長發和眼鏡，容易產生偽影。另外，該方法對于光照條件也有一定要求。
本文鏈接：http://www.yifxia.cn/showinfo-119-2407-0.html從1小時到3.5分鐘，Meta新算法一部手機搞定3D人臉數據采集
聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：2376512515@qq.com
Copyright ? 2016-2023 天津谷騏科技有限公司 版權所有 sitemap.xml
違法及侵權請聯系：2376512515@qq.com 津ICP備18001702號
津公網安備 12010102000574號