三维卡通形象合成中的迁移学习方法研究

三维卡通形象是指既具有真实人脸的可鉴别特征、又有夸张艺术效果的虚拟模型，它在动画影视、网络游戏、虚拟社区等领域有着越来越广泛的应用。漫画艺术家往往能凭借"知识"准确捕捉到人脸特征并夸张地表现出来，而基于人脸照片自动生成三维卡通形象，其研究难点集中在如何获取此种"知识"。.近年来机器学习方法被证明能够从大量的样本中学习到有用的"知识"。现有许多基于二维环境的研究成果也表明，机器学习能够发现真实人脸和卡通人脸之间的知识型关系模型。但在三维环境，由于缺乏大量的卡通形象样本，无法通过学习获取"知识"。"迁移学习"近几年逐渐为研究人员所认识，它能够实现多学习任务之间"知识"的传递。本项目拟针对三维卡通形象的合成问题，尝试在模型参数方面、特征分布模型方面以及样本重构方面进行迁移学习方法研究，将二维样本集包含的信息应用于三维卡通形象合成问题，最终得到具有强泛化能力的三维卡通形象生成模型。