网页摘要

该网页是dblp团队的公告页面，主要包含两个重要通知。首先，dblp团队正在接收异常大量的支持和错误更正请求，虽然他们感谢并乐意处理所有收到的邮件，但目前处理请求可能需要数周甚至数月的时间。他们特别强调请用户避免多次发送同一请求，因为这不会加快处理速度，反而会使问题复杂化并延长处理时间。其次，网页包含一份联合声明，强调科学自由是自由民主社会的核心，没有这种自由，科学努力就无法致力于获取知识和事实。声明表达了对世界各地科学自由受到越来越大压力的担忧，并提供了一个"阅读更多"的链接，指向德国科学组织和德国联邦教育与研究部长的联合声明。

与探究问题相关的信息

无与问题有关的内容。该网页不包含任何关于郑英林的论文信息，网页内容主要是dblp团队关于请求处理延迟的通知和一份关于科学自由的联合声明。

相关网页链接

1. (read more) - 上下文："The freedom of science is at the heart of liberal, democratic societies. Without this freedom, it is impossible for scientific efforts to be geared toward gaining knowledge and facts. It is therefore extremely worrying that the scientific freedom is coming under increasing pressure in various regions of the world."

相关图片

无与问题相关的图片。网页中的两个图片都是清除标记图标，与郑英林的论文信息无关。

网页内容摘要

该网页展示了郑英林（Yinglin Zheng）的学术简介和研究成果。郑英林是厦门大学软件工程系的研究人员，拥有31篇学术发表，1,580次阅读量和691次引用。网页主要展示了他的研究领域和发表的论文列表。他的研究方向涵盖了计算机视觉、人工智能和多媒体处理等领域，特别是在面部处理、图像融合、姿态估计和视频合成等方面有深入研究。网页按时间顺序展示了他的论文，包括论文标题、摘要、合作作者以及部分论文的图表展示。这些论文发表在计算机视觉和人工智能领域的重要会议和期刊上，涉及多种前沿技术，如头发转移、多模态信号预测、面部纹理生成、歌唱面部合成、多曝光图像融合、人体姿态估计、面部表示学习和视频面部伪造检测等。

郑英林的论文信息

1. Hair Transfer: A Flow-Guided Approach for High-Fidelity Temporally Coherent Video Hair Editing

   • 作者：未明确列出，但包含郑英林
   • 年份：未明确列出（可能是最近发表）
   • 内容：关于视频头发转移技术的研究，提出了HairS方法

2. Predicting Turn-taking and Backchannel Actions in Human-Machine Conversations Using Multi-modal Signals

   • 作者：未明确列出，但包含郑英林
   • 年份：未明确列出（可能是最近发表）
   • 内容：使用多模态信号（语言、声学和视觉）预测人机对话中的轮流和反馈行为

3. Recent Facial Texture Generation

   • 作者：未明确列出，但包含郑英林
   • 年份：未明确列出（可能是最近发表）
   • 内容：关于面部纹理生成的研究

4. Singing Face: High-fidelity Singing Face Generation with Facial Manifold Learning

   • 作者：未明确列出，但包含郑英林
   • 年份：2023/2024（根据图片链接时间推断）
   • 内容：提出一种方法合成与音乐驱动的逼真歌唱面部，包括嘴唇、面部表情、头部姿势和眼睛的自然运动

5. EMEF: Ensemble Multi-Exposure Image Fusion

   • 作者：可能包括Xuan Cheng和郑英林
   • 年份：2023（根据图片链接时间推断为2023年6月）
   • 内容：从新角度研究多曝光图像融合问题，不使用合成的真实数据，不设计任何损失函数

6. Singing Face Synthesis from Audio

   • 作者：未明确列出，但包含郑英林
   • 年份：2023（根据图片链接时间推断为2023年3月）
   • 内容：从音乐信号合成逼真的歌唱面部，包括嘴唇、面部表情、头部姿势和眼睛状态的自然运动

7. MaskCLIP: Masked Self-Distillation Advances Contrastive Language-Image Pretraining

   • 作者：未明确列出，但包含郑英林
   • 年份：2022（根据图片链接时间推断为2022年8月）
   • 内容：提出MaskCLIP框架，将新提出的掩码自蒸馏融入对比语言-图像预训练中

8. I²R-Net: Intra- and Inter-Human Relation Networks for Multi-Person Pose Estimation

   • 作者：未明确列出，但包含郑英林
   • 年份：2022（根据图片链接时间推断为2022年5-6月）
   • 内容：提出I²R-Net用于多人姿态估计，包括人体内部关系模块和人体间关系模块

9. FaRL: Facial Representation Learning from Language

   • 作者：未明确列出，但包含郑英林
   • 年份：未明确列出
   • 内容：研究预训练模型在面部分析任务上的迁移性能，提出FaRL框架用于视觉-语言方式的面部表示学习

10. FTCN: Temporal Convolution Network for Video Face Forgery Detection

    • 作者：未明确列出，但包含郑英林
    • 年份：2021（根据图片链接时间推断为2021年10月）
    • 内容：提出端到端框架，利用时间一致性进行视频面部伪造检测

11. Semantic-Aware Facial Caricature Generation

    • 作者：未明确列出，但包含郑英林
    • 年份：未明确列出
    • 内容：提出一种通过编码个性化语义信息自动生成生动面部漫画的新框架

相关网页链接及上下文

1. Home - ResearchGate主页链接
2. Xiamen University - 厦门大学机构页面链接
3. 其余链接为论文详情页面，但网页内容中未直接提供完整链接

相关图片信息

1. Yinglin Zheng的个人头像

   • Title: Yinglin Zheng
   • Content: 郑英林的个人照片
   • Source: ResearchGate
   • Link: https://i1.rgstatic.net/ii/profile.image/11431281081037948-1661479814268_Q128/Yinglin-Zheng.jpg

2. 歌唱面部合成相关图片

   • Title: Aim. Our goal is to synthesize a dynamic singing face in agreement with input audio
   • Content: 展示歌唱面部合成的目标
   • Source: 郑英林的研究
   • Link: https://www.researchgate.net/publication/376107583/figure/fig1/AS:11431281311666788@1740417753368/Aim-Our-goal-is-to-synthesize-a-dynamic-singing-face-inagreement-with-input-audio-which_Q320.jpg

3. 歌唱面部合成框架图

   • Title: Framework. Taking human voice and backing music separated from music
   • Content: 展示歌唱面部合成的框架结构
   • Source: 郑英林的研究
   • Link: https://www.researchgate.net/publication/376107583/figure/fig2/AS:11431281311756614@1740417753687/Framework-Taking-human-voice-and-backing-music-separated-from-music-audio-as-input-the_Q320.jpg

4. 多曝光图像融合示例图

   • Title: The over-exposure and under-exposure images are the input
   • Content: 展示过曝和欠曝图像的融合结果
   • Source: 可能是Xuan Cheng和郑英林的研究
   • Link: https://www.researchgate.net/profile/Xuan_Cheng13/publication/371924110/figure/fig1/AS:11431281170975480@1687961415695/The-over-exposure-a-and-under-exposure-b-images-are-the-input-The-fusion-results-of_Q320.jpg

5. 人体姿态估计相关图片

   • Title: Illustrations of Intra-and Inter-Human Relations
   • Content: 展示人体内部和人体间关系的示例
   • Source: 郑英林的研究
   • Link: https://www.researchgate.net/profile/Yinglin-Zheng/publication/362046619/figure/fig3/AS:11431281163048264@1685502084749/llustrations-of-Intra-and-Inter-Human-Relations-a-the-intra-human-relation-is-marked_Q320.jpg

摘要

这篇论文《Spatially Adaptive Regularizer for Mesh Denoising》发表于2020年4月10日，由厦门大学信息学院的程宣、郑颖林、郑宇辉、陈芳和林坤辉共同完成。该研究提出了一种空间自适应正则化器用于网格去噪，区别于传统方法使用静态Lp范数正则化器，该方法采用动态Lp正则化器，根据局部表面特征对不同表面区域施加不同形式的正则化。该方法通过基于块的方式动态构建指导法向场，以确定每个面片适当的p值。与现有技术相比，该方法在合成和真实扫描的基准数据集上表现出与基于神经网络的网格去噪方法相当的结果，且无需收集大量训练数据。该研究得到了福建省引导项目(2018H0037)、中央高校基本科研基金(20720190003)和数字福建城市公共安全大数据研究院研究基金的支持。

与问题相关的信息提取

论文标题：Spatially Adaptive Regularizer for Mesh Denoising

作者：

• 程宣 (XUAN CHENG)
• 郑颖林 (YINGLIN ZHENG)
• 郑宇辉 (YUHUI ZHENG)
• 陈芳 (FANG CHEN)
• 林坤辉 (KUNHUI LIN，通讯作者，邮箱：khlin@xmu.edu.cn)

机构：中国厦门大学信息学院 (School of Informatics, Xiamen University, Xiamen 361005, China)

发表信息：

• 接收日期：2020年3月1日
• 接受日期：2020年4月2日
• 出版日期：2020年4月10日
• 当前版本日期：2020年4月28日
• 发表期刊：IEEE Access (Volume 8)

DOI：10.1109/ACCESS.2020.2987046

资助信息：

• 福建省引导项目(2018H0037)
• 中央高校基本科研基金(20720190003)
• 数字福建城市公共安全大数据研究院研究基金

论文主要内容：该论文提出了一种空间自适应正则化器用于网格去噪，采用动态Lp正则化器，根据局部表面特征对不同表面区域施加不同形式的正则化。该方法通过基于块的方式动态构建指导法向场，以确定每个面片适当的p值，能够在不需要大量训练数据的情况下，产生与基于神经网络的网格去噪方法相当的结果。

相关网页链接

1. Digital Object Identifier 10.1109/ACCESS.2020.2987046 - 论文的DOI链接
2. https://creativecommons.org/licenses/by/4.0/ - 论文的许可证信息，表明该工作采用知识共享署名4.0许可证

相关图片

1. 图片1：Lp正则化器在迭代过程中的演变

   • Title: The evolution of Lp regularizers during iterations
   • Content: 展示了Lp值在网格模型上的颜色编码，深绿色表示小p值，浅绿色表示大p值。对于输入网格模型，仅使用大p值；在后续迭代中，小p值逐渐出现在平坦区域和边缘周围。
   • Source: 作者(X. Cheng et al.)
   • Link: 未知

2. 图片2：自适应Lp正则化器的有效性

   • Title: The effectiveness of our proposed adaptive Lp regularizer
   • Content: 展示了不同正则化方法的效果对比，包括：(a)地面真值模型，(b)添加高斯噪声的噪声模型，(c)仅使用L2范数的结果，(d)仅使用L0范数的结果，(e)同时使用L2和L0范数的结果。
   • Source: 作者(X. Cheng et al.)
   • Link: 未知

摘要

该网页内容是一个学术论文参考文献列表，包含了62条与计算机视觉、音频驱动面部合成、音乐驱动动画等相关的文献引用。这些参考文献涵盖了多个相关研究方向，包括：说话头生成技术、音频驱动的面部重演、基于神经网络的面部动画合成、音乐驱动的舞蹈动作生成、情感化视频肖像合成等。文献年份主要分布在2015-2022年间，多数发表于IEEE/CVF计算机视觉会议、ACM图形学会议、ECCV等高水平学术会议和期刊。参考文献格式包含作者、标题、发表期刊/会议、卷号、页码和年份等信息，部分条目还附有Google Scholar链接和DOI信息。这些文献共同构成了音频/音乐驱动面部和身体动画合成领域的重要研究基础。

关于论文"MusicFace: Music-driven expressive singing face synthesis"的信息

无与问题有关的内容。在提供的参考文献列表中，没有找到标题为"MusicFace: Music-driven expressive singing face synthesis"的论文信息。虽然列表中包含了一些相关的研究，如第53条Iwase等人的"Song2Face: Synthesizing singing facial animation from audio"和第54条Pan等人的"VOCAL: Vowel and consonant layering for expressive animatorcentric singing animation"，但没有直接提及所查询的论文。

相关网页链接及上下文

1. Google Scholar - 上下文：Chen等人关于带有节奏性头部运动的说话头生成研究

2. Google Scholar - 上下文：Thies等人关于神经声音木偶（音频驱动的面部重演）研究

3. Article Google Scholar - 上下文：Marcos等人关于人机交互的逼真虚拟头部研究

4. Google Scholar - 上下文：Pumarola等人关于解剖学感知的单图像面部动画研究

5. Article Google Scholar - 上下文：Zhou等人关于通过对抗性解耦的音视频表示生成说话面孔研究

6. Article Google Scholar - 上下文：Lee等人关于基于音乐相似性生成舞蹈动作序列的研究

7. Article Google Scholar - 上下文：Shiratori等人关于音乐舞蹈角色动画研究

8. Article Google Scholar - 上下文：Sun等人关于使用对抗学习进行音乐到舞蹈动作编排的研究

9. Article Google Scholar - 上下文：Hennequin等人关于快速高效音乐源分离工具的研究

10. Google Scholar - 上下文：Chung和Zisserman关于野外自动唇同步的研究

相关图片

无与问题有关的图片。在提供的网页内容中没有包含任何图片，仅有文本形式的参考文献列表。

摘要：MusicFace: 音乐驱动的表情丰富的歌唱面部合成

这篇论文介绍了一种名为MusicFace的方法，旨在解决音乐驱动下合成生动逼真的歌唱面部表情这一挑战性问题。研究者设计了一种"解耦-融合"策略，首先将输入的音乐音频分解为人声流和伴奏音乐流，然后通过注意力机制无缝融合这两个流的影响。为提高生成结果的表现力，作者将头部运动生成分解为速度和方向两个维度，并将眼睛状态生成分解为短期眨眼和长期闭眼，分别建模。研究团队还构建了一个名为SingingFace的新数据集，包含600多个带有同步音乐的歌唱视频，为该任务的训练和评估提供支持。大量实验和用户研究表明，该方法能够合成生动的歌唱面部表情，在质量和数量上都优于之前的最先进技术。

与论文相关的信息

• 论文标题: MusicFace: Music-driven expressive singing face synthesis
• 作者: Pengfei Liu, Wenjin Deng, Hengda Li, Jintai Wang, Yinglin Zheng, Yiwei Ding, Xiaohu Guo, Ming Zeng
• 发表期刊: Computational Visual Media
• 发表年份: 2024年
• 卷号/期号: Vol. 10, No. 1, February 2024, 119–136
• DOI: https://doi.org/10.1007/s41095-023-0343-7

论文主要贡献：

1. 提出首个框架，用于合成由混合人声和伴奏音乐驱动的歌唱面部视频，并提出注意力调制器来平衡这两种信号对头部运动、表情和眼睛状态的影响
2. 分别合成头部运动的速度和方向，而不是直接预测头部姿势，使头部动态与音乐节奏更加一致；同时将眼睛状态分解为眨眼和长时间闭眼，提高歌唱场景的真实感
3. 提供首个公开的表情丰富的歌唱面部视频数据集（SingingFace），包含同步音乐音频，以促进该领域的未来研究

论文方法采用了解耦-融合框架，包括编码器和解码器。编码器由双流音频编码器和基于注意力的调制器组成，解码器包含三个下游生成器：表情生成网络、姿势生成网络和眼睛状态生成网络。该方法能够生成与输入音乐协调一致的动态歌唱面部表情，包括自然的嘴唇动作、面部表情、头部姿势和眼睛状态。

相关网页链接

1. Aim. Our goal is to synthesize a dynamic singing face inagreement with input audio which combines human singing and backing music

2. Framework. Taking human voice and backing music separated from music audio as input, the generator module determines parameters for driving facial expression, head pose, and eye state

3. Generator architecture. Our generator contains an encoder and a decoder. The encoder consists of a two-stream audio encoder (TSAE) and an attention-based modulator (ATM)

4. Euler angle (Ry) dynamics of a person singing the same song twice. While the head may rotate in opposite directions, its speed remains similar

相关图片

1. 图片1:

   • Title: Aim. Our goal is to synthesize a dynamic singing face inagreement with input audio which combines human singing and backing music
   • Content: 展示了合成动态歌唱面部与结合人声和伴奏音乐的输入音频一致的目标
   • Source: 论文作者
   • Link: https://www.researchgate.net/publication/376107583/figure/fig1/AS:11431281311666788@1740417753368/Aim-Our-goal-is-to-synthesize-a-dynamic-singing-face-inagreement-with-input-audio-which_Q320.jpg

2. 图片2:

   • Title: Framework. Taking human voice and backing music separated from music audio as input, the generator module determines parameters for driving facial expression, head pose, and eye state
   • Content: 展示了框架结构，以从音乐音频中分离的人声和伴奏音乐作为输入，生成器模块确定驱动面部表情、头部姿势和眼睛状态的参数
   • Source: 论文作者
   • Link: https://www.researchgate.net/publication/376107583/figure/fig2/AS:11431281311756614@1740417753687/Framework-Taking-human-voice-and-backing-music-separated-from-music-audio-as-input-the_Q320.jpg

3. 图片3:

   • Title: Generator architecture. Our generator contains an encoder and a decoder
   • Content: 展示了生成器架构，包含编码器和解码器，编码器由双流音频编码器和基于注意力的调制器组成
   • Source: 论文作者
   • Link: https://www.researchgate.net/publication/376107583/figure/fig3/AS:11431281311736908@1740417754049/Generator-architecture-Our-generator-contains-an-encoder-and-a-decoder-The-encoder_Q320.jpg

4. 图片4:

   • Title: Euler angle (Ry) dynamics of a person singing the same song twice
   • Content: 展示了一个人两次演唱同一首歌时的欧拉角(Ry)动态，说明头部可能朝相反方向旋转，但速度保持相似
   • Source: 论文作者
   • Link: https://www.researchgate.net/publication/376107583/figure/fig4/AS:11431281311717474@1740417754498/Euler-angle-Ry-dynamics-of-a-person-singing-the-same-song-twice-While-the-head-may_Q320.jpg

摘要

本文介绍了论文"Joint learning for face alignment and face transfer with depth image"的研究内容。该论文主要研究人脸对齐和跨模态人脸迁移两个计算机视觉领域的重要任务。随着消费级深度传感器的普及，基于深度的人脸对齐和跨模态（图像和深度）迁移变得越来越重要。与现有基于RGB图像的任务不同，基于深度的任务面临的主要挑战是缺乏标注数据。作者观察到这两个任务密切相关，它们的学习过程可以互相受益，因此开发了一种基于深度卷积神经网络(CNN)的联合多任务学习算法，同时处理基于深度的人脸对齐和人脸迁移。该方法允许CNN模型在两个任务之间同时共享视觉知识和信息。研究使用了10,000张人脸深度图像进行验证，实验表明所提出的方法优于现有最先进算法，并且同时学习这两个相关任务可以提高每个单独任务的性能。

与问题相关的信息提取

论文标题：Joint learning for face alignment and face transfer with depth image

作者：

• Xiaoli Wang (厦门大学信息学院)
• Yinglin Zheng (厦门大学信息学院)
• Ming Zeng (厦门大学信息学院，通讯作者，邮箱：zengming@xmu.edu.cn)
• Xuan Cheng (厦门大学信息学院)
• Wei Lu (中国人民大学信息学院)

发表信息：

• 期刊：未明确说明，但从链接可推断可能是Springer旗下期刊
• 文章访问量：360次
• 引用次数：1次

研究内容：
该论文研究人脸对齐和跨模态人脸迁移两个任务，提出了一种联合多任务学习算法。研究的主要挑战是基于深度图像的任务缺乏标注数据。作者开发了基于深度卷积神经网络的联合学习方法，使两个任务可以共享视觉知识和信息。实验使用了10,000张人脸深度图像，结果表明该方法优于现有最先进算法，并且同时学习这两个相关任务可以提高每个单独任务的性能。

资助信息：
该研究得到中国国家自然科学基金(No. 61402387, 61702432)、中国中央高校基本科研基金(No. 20720180070, 20720190003)以及中国福建省国际合作项目和指导项目(No. 2018I0016, 2018H0037)的支持。

DOI信息：未在页面中明确提供，但从URL可推断为10.1007/s11042-020-08873-y

相关网页链接及上下文

1. Xiaoli Wang - 第一作者，厦门大学信息学院
2. Yinglin Zheng - 作者，厦门大学信息学院
3. Ming Zeng - 通讯作者，厦门大学信息学院
4. Xuan Cheng - 作者，厦门大学信息学院
5. Wei Lu - 作者，中国人民大学信息学院
6. Explore all metrics - 查看文章的所有指标数据
7. Log in via an institution - 通过机构登录访问全文
8. Subscribe now - 订阅Springer+服务
9. arXiv:1802.10151 - 参考文献链接
10. 10.1007/s10994-009-5152-4 - 参考文献DOI链接

相关图片

1. 

   • title: 相关研究图片
   • content: 可能是相关研究中的人脸对齐或迁移示例图
   • source: Springer
   • link: https://media.springernature.com/w215h120/springer-static/image/art%3A10.1007%2Fs11042-018-5609-1/MediaObjects/11042_2018_5609_Fig1_HTML.gif

2. 

   • title: 相关书籍封面
   • content: 可能是相关研究领域的书籍封面
   • source: Springer
   • link: https://media.springernature.com/w92h120/springer-static/cover-hires/book/978-3-031-48781-1?as=webp

3. 

   • title: 相关研究图片
   • content: 可能是相关研究中的人脸处理示例图
   • source: Springer
   • link: https://media.springernature.com/w215h120/springer-static/image/art%3A10.1007%2Fs11263-019-01148-6/MediaObjects/11263_2019_1148_Fig1_HTML.jpg