文

学术头条

在游戏中，亲手创造一个与众不同的角色，乐趣不言而喻。但有时往往是“游戏五分钟，捏脸两小时”。

从主机、PC到手机游戏，随着硬件配置不断迭代，游戏在画面精细度和玩法操控度方面也越发强大，很多游戏开发商为了满足玩家们的个性化需求，都提供了一整套为游戏角色“捏脸”的系统，能让玩家根据自己的审美细化设定角色外观。

与此同时，游戏背后的计算机科学家们也一直在努力设计新的技术，使游戏体验更加沉浸化，以期达到引人入胜的效果，其中就包括自动创建接近真人的游戏角色的方法。

图｜一款游戏的捏脸过程

不过，目前大多数现有的创建和定制游戏角色的方法都要求玩家手动调整角色的面部特征，以便重新创建自己的面部或捏成其他人的面部，一个玩家通常需要几个小时耐心去手动调整数百个参数（例如脸型、眼睛）来创建一个类似于指定肖像的角色，

最近，一些开发人员也尝试开发一些新方法，通过分析真实人物的面部图像，自动定制角色的面部，但这些方法实际效果通常不佳，要么过程复杂，要么对人脸形状和纹理的自由度有限。

来自网易伏羲AI实验室和密歇根大学的研究人员最近发明了一种深度学习的方法，名为MeInGame，它可以通过分析一个人脸的单个肖像而自动生成游戏人物脸，这项技术在arXiv上预先发表的一篇论文中提出。

开发这项技术研究人员在论文中写道：“我们提出了一种自动创建人物面部的方法，可以从一张肖像中预测生成面部的形状和纹理，并可以集成到大多数现有的3D游戏中。”

不少捏脸高手为了在游戏中捏出一个指定人物的脸可谓煞费苦心，甚至总结了一套复杂的教程和参数包，而今后，可能只需要输入一张人脸照片就能轻松搞定了。

让仿真人脸进入游戏世界

现有游戏中的人脸定制系统，很多是基于三维变形模型（3DMM）计算实现的，作为一种经典的三维人脸形状和反照率的统计模型，3DMM在人脸分析、模型拟合、图像合成等方面有着广泛的应用。

虽然基于3DMM的方法可以从单个图像中恢复出精确的三维人脸，但其网格的拓扑结构与大多数游戏中使用的网格不同，为了获得逼真的纹理，现有的方法需要大量的人脸纹理数据进行训练，而建立这样的数据集往往既费时又费力。

此外，这些数据集并不总是包含随机收集的真实图像，因此，在这些数据集上训练的模型在呈现新数据时，很难表现出一致的良好性能，进一步而言，这种在实验室条件下进行的方法在真实情况下可能无法很好地落地推广，尽管人们已提出了许多基于深度学习的三维人脸重建方法，目前在游戏中的应用仍然较少。

图｜第一行为输入肖像；第二行是由MeInGame方法生成的游戏中的角色；MeInGame方法对光照变化、阴影和遮挡具有很强的鲁棒性，可以很好还原个性化的细节，如肤色、妆容和皱纹等。（来源：arxiv）

MeInGame的贡献在于：

1、提出了一种低成本的三维人脸数据集生成方法。所创建的数据集在种族和性别上是平衡的，面部形状和纹理都是从原始图像中创建；

2、提出了一种将重建的三维人脸形状转化为游戏网格的方法，可以直接在游戏环境中使用，该方法不依赖于网格连通性，计算效率高；

3、为了消除光照和遮挡的影响，他们训练了一个神经网络，在一个通用的训练范式下，从“野生”人脸图像中预测一个完整的漫反射贴图。

在未来，这个研究小组设计的角色脸生成方法可以集成到许多3D视频游戏中，实现与真人非常相似的角色自动生成。MeInGame模型的代码和用于训练该模型的数据集已在线发布，游戏开发者可通过以下网址访问：

转载请注明:http://www.aideyishus.com/lktp/2731.html