선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에서는 3D 스캔 데이터와 얼굴 사진을 이용하여텍스처매핑을 이용하여 3D 얼굴 모델을 완성한 후에, 이 얼굴모델의 다른 연령대의 얼굴 모델을 구하기 위하여 100 여개의 3D 얼굴 스캔 데이터베이스를 이용하여 통계적 분석에 의하여얼굴 재질을 예측하여 향후 연령대의 3D 얼굴 모델을 구하는방법과 이 과정을 자동화한 시스템 개발에 대해 기술하였다. 사이즈코리아의 3D 얼굴 스캔 데이터베이스는 20 대부터 50 대까지 연령대의 스캔 데이터로 구성되어 있다.
- 본 연구는 3D 얼굴 모델링 방법을 제시하고 이를 이용한 3D 얼굴 예측 알고리즘 방법을 정의한다. 3D 얼굴 모델링은 3D 스캔 데이터와 사진 이미지를 이용하여 특정인에 대한 한연령대의 얼굴 모델을 재구성한후어L 이 얼굴 모델을 기반으로얼굴 DB 를 이용하여 모든 연령대의 얼굴을 예측하여 각연령대의 3D 모델을 얻는다.
- 본 연구는 얼굴 나이에 따른 변화를 표현하는데 있어서 기존 연구에서 볼 수 있는 이미지 분석에 의한 얼굴 추측이 아니고, 3 차원 컴퓨터그래픽스 기술에 의해 얼굴의 나이에 따른 피부의 변화를 사실적으로 표현하고 이러한 얼굴의 변화를 3 차원 얼굴 모델에서 예측할 수 있는 시스템 개발을 목적으로한다. 이와 유사한 연구로 나이에 따른 얼굴의 변화를 나타내는 모델링을 시도한Hussein 의 연구는 머 리카락의 변화나 주름의 생성을 표현하고 있으나 다른 피부에 있어서는 변화되는 모습을 나타내지 못하고 있다[6].
- 이렇게 하여 얻은 3D 모델을이용하여 그 후 미래의 얼굴을 예측하는 알고리즘을개발하였다. 본 연구에서 이와 같이 각 연령대 얼굴 모델을구성한 이유는 한 사람의 모든 연령대의 3D 스캔데이터를얻기가 어렵기 때문에, 통계적 텍스처 이미지 데이터를이용하여 한 사람의 각 연령대의 텍스처 매핑된 3D 얼굴모델을 얻은 것이다. 본 연구에서는 얼굴 기하 모델 DB 와 사진이미지를 이용하여 한 인물에 대한 20, 30, 40, 50 대 각연령대의 3D 얼굴 모델을 예측하여 재구성한 후에, 이 얼굴모델들을 이용하여 얼굴 재질에 대한 통계적 분석을 통하여 60 대 얼굴을 예측하여 생성하는 시스템을 개발하였다.
- 즉' 얼굴 모델에 매핑시키는 얼굴 사진의 정면, 좌측, 우측 3 장의이미지가 서로 일치하는 부분에서 밝기나 색조, 채도 등이최대한 동일하게 나오도록 얼굴모델의 재질을 구성하여야한다. 본 연구에서는 세 장의 이미지가 최대한 변화 없이동일하게 나오게 하기 위해서 얼굴을 찍는 위치와 환경, 조명값등을 동일하게 하였다.
- 또한 사용자 정의의 텍스처 특징과 메쉬의 기하데이터를 대응시키는 프로그램 및 삼각형이나 사각형 외의비정규 면을 위한 텍스처매핑이 소개되었다이외에도텍스처의 지역적 그리고 전역적 구조를 유지하면서 최소한의왜곡으로 임의 곡면에 텍스처 매핑하는 기술[10], 뷰에의존하는 실시간 텍스처매핑[11] 등 다양한 기술이 소개되고있다. 본 연구에서의 텍스처매핑은 얼굴의 기하 모델의 변형없이 고화질의 사진이미지 그대로 얼굴을 재현시키는 방법을고안하였다.
- 본 연구에서 사용된 얼굴 스캔 데이터는 기술표준원의사이즈코리아 사업을 통해 3D 스캐너에 의해 획득하여 보관된데이터로서 얼굴의 재질이나 형태를 거의 분간할 수 없을정도의 재질값을 가지고 있어서 3D 얼굴 모델을 분석하는데필요한 사실적 재질값을 가지고 있지를 않다. 본 절에서는 3D 스캔 모델의 정확한 얼굴 재질값 표현을 위해서 3D 스캔데이터와 해당 얼굴의 사진 이미지를 이용하여 사진의해상도를 가지는 3D 얼굴모델을 얻을 수 있는 텍스처매핑방법을 기술한다. 얼굴 모델을 위한 해상도 높은 재질값은정면과좌우 측면의 3 장의 이미지를 이용하여 텍스처매핑을통하여 획득하였다.
- 이 것은한 사람의 전체 연령대에 걸친 3D 스캔 데이터와 사진을 얻을수가 없었기 때문이다. 이 문제를 해결하고 한 사람의 전연령대의 얼굴 모델을 얻기 위하여 본 연구에서는 기술표준원얼굴 DB 에 있는 얼굴 스캔 데이터 중에서 각 연령대별로 100 여 명 씩의 표본으로부터 피부색 이 가장 유사한 사람의 사진이미지를 구하고 이를 이용하여 멀티 텍스처매핑을수행하였다.
- 한다. 이를 수월하게 하기 위해서 본 연구에서는얼굴 이미지의 특정 위치를 3D 얼굴 모델과 매핑시킬 수 있는얼굴 특징 점 입력을 위한 사용자 인터페이스인 FDP (Facial Definition Parameter) 입력 도구를 개발하였다. FDP 입력도구는 3D 얼굴 모델의 특정 위치의 재질 값을 사진이미지의 해당 위치의 재질값으로 매핑시키는데 이용된다.
가설 설정
- 본 연구에서의 제한 사항은 동일 인물의 연령별 데이터가부재한 상황이라서 20 대 이후의 연령대의 기하 데이터의변화는 고려하지 않고 재질 변화에 대한 추이만 고려했다는점이다. 이와 같은 방법으로 해결한 이유는 인간의 성장이 20 대에서 어느 정도 마무리 가 된다는 가정하에서 얼굴 골격의변화는 예측에 포함하지 않았다.
- 20 대를 제외한나머지 연령대의 얼굹은 20 대의 3차원 스캔 얼굴 데이터에 20 대의 피부 재질과 가장 비슷한 나이대별 피부를 찾아서사진을 이용한 텍스처 매핑을 통해 제작하였다. 이것은 피부의색이 개얀별로는 큰 차이가 있을 수 있으나, 각 개인에 있어서나이에 따른 피부색의 변화는크지 않을 것을 가정하였다. 이것은 주어진 모든 연령대의 MX) 여개의 얼굴 이미지에서 20 대 얼굴 모델에 대한 30, 40, 50 대 의 얼굴 재질을 구하는데있어서 가장근접한 얼굴 이미지의 재질을 선택해야 했으므로눈과 입 주위는 연령에 따라 피부색의 변화가 큰 부분으로예상되 지만 얼굴 중에서 편평한 부분인 볼 중간 부분과 이마중간 부분의 재질은 다른 부분에 비해서 변화가 적을 것을예상하여 피부색 비교를 위해 이 부분들을 사용하였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.