Stefano らの手法 [22]

 Stefano らの自動美形化は，美しいとされる画像データを用いて形状を変形させること

で美形化する手法である．Stefano らの手法の概要は，入力画像 I の形状 v に距離が近い 順に画像データの形状f_n を並び替え，距離が近いK個から出力形状v^′ を作成し，ワーピ

図 A.2 : Mingming らの美形化結果．左が入力画像，右が美形化を行った出力画像であ る．[29]^より引用

ングを行うことで美しく変形された画像I^′ を出力する．

Stefanoらは，両目の位置を利用してアラインメントを行い，制御点49点を用いて形状v

を表現している．制御点の座標を規定の順番に並べたベクトル(x1, y1, x2, y2,· · ·, x49, y49) を顔形状v^{として用いている．}

Melacci らの手法では美しいとされる顔画像データの形状f_nを用いて変形を行う．目的

は主観的な美形化ではなく，多数の人間に美しいと評価されるように変形するために一般的 に美しいとされている顔データを集める必要がある．そこでMelacci らは美しいと評価され る芸能人の顔写真を男女30枚ずつ用意した．この顔データから得た顔形状を美しいとされ る形状fnとして用いる．

入力形状 v が与えられた時，顔データ形状 f_n をユークリッド距離が近い順に並び替え る．ユークリッド距離が近いということは，vとf_nのベクトル距離が近い，つまり類似度 が高いということを意味する．つまり，入力形状vに近い美しい顔データ形状f_nを用いて 美形化を行う．ここで，近い順に並び替えた顔データ形状をf_n^′ とする．ここでnは顔デー タ形状の中で入力形状v ^に対してn番目にベクトル距離が近いことを意味している．

図A.3 : Stefano らの美形化結果．各顔画像の組み合わせにおいて，左が入力画像，右が 美形化を行った出力画像である．[22]より引用

並び替えたデータ形状f_n^′ と入力形状vを用いて，出力形状v^′ を以下のように計算する．

v^′=αv+ (1−α)

∑_K

j=1(_d¹

j)f_j^′

∑_K

j=1(_d¹

j)

この数式においてd_jとはf_j^′における入力形状vとのユークリッド距離を表し，αは変形 パラメータを意味している．つまり，

∑_K

j=1(_d¹

j)f_j^′

∑_K

j=1(_d¹

j)

が入力形状vとユークリッド距離が近いK個のf_j^′から作成した美しい顔形状であり，v^′ はα^{が１に近いほど}v^に近く，0^{に近いほど}vから遠い形状となる．最終的に，画像I ^と その形状v ，そして算出された v^′ を用いてワーピングを行い，美形化された画像 I^′ を出 力する．この手法によって美形化された例を図A.3に示す．実験結果においてK=3，α=0.5 としている．