基于面部解剖结构动力学模型与多模态时空数据耦合的人脸仿真

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61402164
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    24.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0209.计算机图形学与虚拟现实
  • 结题年份:
    2017
  • 批准年份:
    2014
  • 项目状态:
    已结题
  • 起止时间:
    2015-01-01 至2017-12-31

项目摘要

Facial motion simulation is not only a grand challenge but also a hot research issue in the field of computer graphics. However, generally, existing methods have problems such as one-sided considered construction for geometric model, single modal data for data driving and dynamic model in need of improvement. Aiming to solve the above problems, this project is to start form the research on adaptive realistic Bone-Muscle-Skin (BMS) structure, consider multi-modal spatio-temporal data coupling as a benchmark, explore the nonlinear dynamic model of BMS structure, utilize a nonlinear deformation model to improve the existing mass-spring model (MSM) and achieves an improved MSM (IMSM) with constant volume constraint, and establish a unified framework of multi-modal spatio-temporal data coupling dynamic model for BMS . Through the research in the project, it’s expected to get a normative facial model based on anatomical structure, provide a multi-modal spatio-temporal data coupling mechanism and build a unified theory for facial dynamics from physics viewpoint. The successful completion of this project can promote not only the in-depth development of multiple related applications, but also the further research of the facial expression simulation and related fields with new ideas and theoretical basis.
目前人脸运动物理仿真是计算机图形学研究领域的重大挑战问题,也是研究热点问题。然而现有方法普遍存在几何模型构建片面、驱动数据模态单一以及动力学模型亟待改进的问题。本课题针对以上问题,以自适应真实感骨骼-肌肉-皮肤(Bone-Muscle-Skin,BMS)结构为研究出发点,以多模态时空数据耦合为基准,探究BMS结构的非线性动力学模型,利用非线性变形模型改进现有的质点-弹簧模型(Mass-Spring Model,MSM)建立体积不变约束的改进MSM(Improved MSM,IMSM),建立统一的多模态时空数据耦合的BMS动力学模型框架;通过本项目的研究,有望得获得准确规范的基于解剖结构的面部模型,给出多模态时空数据耦合机制以及构建统一的面部物理动力学理论。本项目的顺利完成能促进相关应用领域的深入发展,并为推动面部表情仿真及相关研究的深入提供新的思路和理论基础。

结项摘要

目前人脸运动物理仿真是计算机图形学研究领域的重大挑战问题,也是研究热点问题。然而现有方法普遍存在几何模型构建片面、驱动数据模态单一以及动力学模型亟待改进的问题。本课题遵循项目技术路线和研究方案,研究了真实感骨骼-肌肉-皮肤(Bone-Muscle-Skin,BMS)结构构造方法,提出了使用Thin-Shell结构肌肉模型提升BMS仿真效率,基于体积不变约束给出了运动仿真模型,探索了统一的多模态(包括RBF分区数据、运动捕捉数据与FACS参数数据等)时空数据耦合框架。通过项目研究,已写成多篇学术论文,还包括《计算机图形学》双语教学研究论文,形成发明专利两项。项目成果满足面部医疗、面部可视化、模式识别、影视游戏等多领域应用的深层次需求,并为面部仿真和相关研究领域提供新的思路和理论依据,具有的推广价值。

项目成果

期刊论文数量(5)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(2)
An online noise reduction method for sequential data based on Bernstein–Bezier curve formulation
基于Bernstein-Bezier曲线公式的序列数据在线降噪方法
  • DOI:
    --
  • 发表时间:
    2015
  • 期刊:
    International Journal of Computer Applications in Technology
  • 影响因子:
    1.1
  • 作者:
    高为民;方小勇;赵巾帼;罗庆云;洪俊
  • 通讯作者:
    洪俊
人脸表情动画研究简述
  • DOI:
    10.16707/j.cnki.fjpc.2016.04.001
  • 发表时间:
    2016
  • 期刊:
    福建电脑
  • 影响因子:
    --
  • 作者:
    罗庆云;方小勇;黄樱;洪俊;魏小鹏
  • 通讯作者:
    魏小鹏
Compression Algorithm of 3D Point Cloud Data Based on Octree
基于八叉树的3D点云数据压缩算法
  • DOI:
    10.2174/1874444301507010879
  • 发表时间:
    2015-08
  • 期刊:
    The Open Automation and Control Systems Journal
  • 影响因子:
    --
  • 作者:
    戴成秋;陈敏;方小勇
  • 通讯作者:
    方小勇
基于统计特征向量的时序符号化改进算法
  • DOI:
    --
  • 发表时间:
    2015
  • 期刊:
    计算机工程
  • 影响因子:
    --
  • 作者:
    李晓翠;张新玉;罗庆云;任长安
  • 通讯作者:
    任长安
计算机图形学课程双语教学研究
  • DOI:
    10.16707/j.cnki.fjpc.2016.11.024
  • 发表时间:
    2016
  • 期刊:
    福建电脑
  • 影响因子:
    --
  • 作者:
    方小勇;罗庆云;黄樱;赵巾帼;洪俊
  • 通讯作者:
    洪俊

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

基于聚类—灰色关联分析的数字化报警系统评价指标体系构建
  • DOI:
    --
  • 发表时间:
    2014
  • 期刊:
    南华大学学报(自然科学版)
  • 影响因子:
    --
  • 作者:
    李琼;张力;方小勇
  • 通讯作者:
    方小勇
核电站主控室报警系统安全评估模型研究
  • DOI:
    --
  • 发表时间:
    2014
  • 期刊:
    工业工程与管理
  • 影响因子:
    --
  • 作者:
    张力;李琼;方小勇
  • 通讯作者:
    方小勇
手机APP交互界面人因适合性测试程序的设计与实现
  • DOI:
    --
  • 发表时间:
    2017
  • 期刊:
    电脑知识与技术
  • 影响因子:
    --
  • 作者:
    林创;张力;方小勇
  • 通讯作者:
    方小勇

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码