1.一种在非线性绑定空间进行人脸表情编辑的新方法,其特征在于,通过高斯过程回归构建可以自动学习一个从若干面部控制点到绑定空间参数的非线性映射模型,然后通过该非线性映射模型调节面部控制点来控制绑定空间参数。
2.如权利要求1所述的一种在非线性绑定空间进行人脸表情编辑的新方法,其特征在于,所述非线性映射模型通过以下步骤建立:
利用一个核函数k(x,x′)来定义两组数据x和x′之间的协方差,那么对于所有数据X,可以计算出一个协方差矩阵K:
给协方差矩阵增加一个正则化项,即K+λI,正则化参数λ是一个很小的标量,设置为1×10-5;
计算一组新给定的面部控制点坐标x*和已有训练数据X之间的协方差K*=[k(x*,x1),k(x*,x2),…,k(x*,xn)]以及它自己的方差K**=k(x*,x*);
将f*的第维作为一个样本表示成一个多元变量正态分布,如下所示:
其中,Fi是数据点F的第i维组成的向量,而则是f*的第i维。在给定训练数据的条件下,预测面部绑定空间参数fi的似然函数是:
取该正态分布的均值作为最终的预测结果,即:
而则是预测结果的方差,可以忽略。
3.如权利要求2所述的一种在非线性绑定空间进行人脸表情编辑的新方法,其特征在于,所述核函数为:
其中,θ是核函数参数。
4.如权利要求3所述的一种在非线性绑定空间进行人脸表情编辑的新方法,其特征在于,所述核函数参数θ为通过L-BFGS算法优化所得。