非线性 3D 人脸可变模型

CVPRApr, 2018

Nonlinear 3D Face Morphable Model

Luan Tran, Xiaoming Liu

TL;DR本文提出了一种从大量非约束人脸图像中学习非线性 3D Morphable Model 的创新框架，该模型拥有比线性模型更强大的表示能力，并对人脸对齐和 3D 重建做出了贡献。

Abstract

As a classic statistical model of 3D facial shape and texture, 3D Morphable Model (3DMM) is widely used in facial analysis, e.g., model fitting, image synthesis. Conventional 3DMM is learned from a set of well-controlled 2D face images with associated 3D face scans, and represented by

3d morphable model facial analysis nonlinear model image synthesis face alignment

发现论文，激发创造

从野外图片中学习 3D 人脸可塑模型

本文提出了一种新的框架以学习从大量野外人脸图像中学习非线性 3DMM 模型，该模型可以用于面部对齐，3D 重建和面部编辑。

Aug, 2018

野外环境下的三维面部可塑性模型

通过组合强大的面部形状统计模型和 “野外” 纹理模型，我们提出了第一个 “野外” 3DMM，大大简化了拟合过程，无需将其优化针对照明参数。

Jan, 2017

基于纹理和形状卷积网格解码器的密集式 3D 人脸解码，每秒超过 2500 帧

本篇研究利用基于深度学习的自编码器构建了一种新型 3DMM 模型，用于实现低计算复杂度下的面部重建及颜色渲染。

Apr, 2019

使用深度神经网络回归具有鲁棒性和判别性的三维可塑模型

我们提出了使用卷积神经网络进行三维面部模型重建的方法，通过大量标记数据的生成，优化了模型的准确性和稳定性，得到了超过现有方法的识别结果，实现了使用三维面部模型进行面部识别。

Dec, 2016

i3DMM：人类头部深度隐式三维可变形模型

本文提出了首个深度隐式三维可微形变模型（i3DMM），该模型不仅捕捉了前部人脸的特定身份几何、纹理和表情，还模拟了包括头发在内的整个头部。使用一种新的设计，将形状与颜色分离来学习密集的对应关系，最终展示了 i3DMM 的优点及其应用。

Nov, 2020

结合 3D 形态模型：一个大规模的人脸和头部模型

本文提出了两种方法，一种是使用回归器来完成一个模型缺失部分的替换，另一种是使用高斯过程框架来融合多个模型的协方差矩阵，使用这些方法成功地构建了一个新的面部和头部形状模型，并通过与 FaceWarehouse blendshapes 结合使用该模型进行了图像重建实验，达到了最先进性能，并且在头部建模方面表现出了较大的优势。

Mar, 2019

人头完整的三维变形模型

本文提出一种新的 3D 人头模型，融合现有的人脸模型和头部模型并加入耳朵，眼睛，牙齿，舌头等特征的模型，实现了最新的复原效果，并可以从单张图片重现整个头部的表面特征参数。

Nov, 2019

MVF-Net: 多视角 3D 人脸可塑模型回归

本文提出一种基于卷积神经网络和多视图图像的 3D 人脸重建方法，使用自监督的视角对齐损失来减少视图之间对齐误差，并使用光流法预测 3D 形状，实现更好的 3D 重建结果。

Apr, 2019

使用图卷积网络实现从野外图像进行高保真度 3D 人脸重建

本文提出了一种利用图卷积网络从单视角图像中重建具有高保真度贴图的三维人脸形状的方法，并相对于其他的现有方法具有更好的定量和定性效果。

Mar, 2020

3D Morphable Models 作为空间变换网络

本文介绍了一种新的卷积神经网络模型，将 3D 变形模型嵌入网络中，使得该网络可以处理输入数据的 3D 空间变换，并且可以对 3D 姿态的变化和遮挡进行识别和规范化，通过该方法可以对高度不规则的图像进行处理。

Aug, 2017