近年來，視頻游戲開發商和計算機科學家一直在努力設計技術，使游戲體驗越來越沉浸其中，引人入勝和現實。其中包括自動創建受真人啟發的視頻游戲角色的方法。

大多數現有的創建和定制視頻游戲角色的方法都要求玩家手動調整角色的面部特征，以便重新創建自己的面部或其他人的面部。最近，一些開發人員嘗試開發一些方法，通過分析真實人物的面部圖像，自動定制角色的面部。但是，這些方法并不總是有效的，也不總是以真實的方式再現它們分析的人臉。

網易伏羲AI實驗室和密歇根大學的研究人員最近發明了MeInGame，這是一種深度學習技術，可以通過分析一個人臉的單個肖像自動生成人物臉。這項技術在arXiv上預先發表的一篇論文中提出，可以很容易地集成到大多數現有的3D視頻游戲中。

開展這項研究的三位研究人員江克林、易遠和鄒正霞在論文中寫道：“我們提出了一種自動創建人物面部的方法，可以從一張肖像中預測面部形狀和紋理，并可以集成到大多數現有的3D游戲中。”

在以前的工作中提出的一些自動字符定制系統是基于被稱為3D變形人臉模型（3DMMs）的計算技術的。雖然這些方法中的一些已經被發現能夠以很高的精確度再現人的面部特征，但它們表示幾何特性和空間關系（即拓撲）的方式通常不同于大多數3D視頻游戲中使用的網格。

為了使3DMMs能夠可靠地再現人臉的紋理，它們通常需要在大量的圖像數據集和相關的紋理數據上進行訓練。編譯這些數據集可能相當耗時。此外，這些數據集并不總是包含在野外收集的真實圖像，這可能會阻止在這些數據集上訓練的模型在呈現新數據時表現出一致的良好性能。為了克服這個限制，林、袁和鄒在野外拍攝的圖像數據集上訓練了他們的技術。

研究人員在論文中解釋說：“給定一張輸入的人臉照片，我們首先基于3D變形人臉模型（3DMM）和卷積神經網絡（CNNs）重建3D人臉，然后將3D人臉的形狀轉移到模板網格上。”該網絡以人臉照片和展開的粗UV紋理圖為輸入，預測光照系數和細化紋理圖。

林、袁和鄒在一系列實驗中評估了他們的深度學習技術，將其生成的游戲角色的質量與其他現有最先進的自動角色定制方法生成的角色臉的質量進行了比較。他們的方法表現非常出色，生成的人物面部與輸入圖像中的人物面部非常相似。

研究人員在論文中寫道：“提出的方法不僅能產生與輸入肖像相似的細節生動的游戲人物，還能消除光線和遮擋的影響。實驗表明，我們的方法優于游戲中使用的最新方法。”

在未來，這個研究小組設計的角色臉生成方法可以集成到許多3D視頻游戲中，實現與真人非常相似的角色的自動生成。MeInGame模型的代碼和用于訓練該模型的數據集已在線發布，全球游戲開發商可通過以下網址訪問：github.com/FuxiCV/MeInGame。
編輯：lyn