FaceScape：大规模、高质量 3D 人脸数据集与详细可装配 3D 人脸预测

CVPRMar, 2020

FaceScape：大规模、高质量 3D 人脸数据集与详细可装配 3D 人脸预测

FaceScape: a Large-scale High Quality 3D Face Dataset and Detailed Riggable 3D Face Prediction

Haotian Yang, Hao Zhu, Yanru Wang, Mingkai Huang, Qiu Shen...

TL;DR本文介绍了一个大规模的详细的 3D 人脸数据集 FaceScape，并提出了一种新算法，可以从单个图像输入预测精细的可控 3D 面部模型。该数据集提供了来自 938 个受试者的 18,760 个纹理 3D 面部，每个面部有 20 个具体表情。这些细致的面部模型可以表示为 3D 可变模型和位移图，利用大规模和高精度数据集，进一步提出了一种学习特定表情动态细节的新型算法。与之前的方法不同，我们预测的 3D 模型在不同表情下可以高度自由控制，数据集和代码将公开发布供研究使用。

Abstract

In this paper, we present a large-scale detailed 3d face dataset, FaceScape, and propose a novel algorithm that is able to predict elaborate riggable 3D face models from a single image input. FaceScape dataset provides 18,760 textured 3D faces, captured from 938 subjects and each with

3d face dataset riggable face models expression-specific dynamic details deep neural network public release

发现论文，激发创造

FaceScape：单视角 3D 人脸重建的三维面部数据集和基准

本文提出了一个大规模的详细 3D 人脸数据集（FaceScape）及相应的评估标准来评估单视图面部三维重建，通过该数据集，提出了一种从单张图像输入预测精细可调和三维人脸模型的新算法，并且使用该数据集来生成用于评估单视图面部重建方法的基准数据，并报告和分析了在不同条件下的准确性和挑战。

Nov, 2021

FaceVerse: 一种来自混合数据集的细粒度和细节可控的 3D 面部可变模型

提出了 FaceVerse，这是一个精细的 3D 神经人脸模型，利用混合的东亚人脸数据集建立，通过基于大规模 RGB-D 图像生成基本参数模型，再利用高保真的 3D 头部扫描模型选用 StyleGAN 结构进行精细调整，同时结合基本属性和面部细节进行创新性的调节，实现了单张图像拟合，相比其他最先进的方法表现更好。

Mar, 2022

Multiface: 神经人脸渲染数据集

该研究介绍了一个多视角，高分辨率的人脸数据集，通过进行替代卷积编码器及对条件对抗网络（VAE）进行验证，对研究区域的深度插值进行了实验讨论。

Jul, 2022

自然语言描述生成高保真 3D 人脸

本研究提出了一种基于自然语言描述生成高质量三维人脸模型的方法，通过建立 Describe3D 数据集以及使用两阶段框架来解决描述语言空间与形状 / 外观空间映射关系的问题，并且实验结果表明，该方法可以以比以往更高的精度和质量生成符合输入描述的三维人脸。

May, 2023

EasyPortrait - 人脸解析与肖像分割数据集

本文介绍了使用众包平台创建大规模、干净的图像分割数据集的流程，并在 EasyPortrait 数据集上训练多个模型并展示实验结果，EasyPortrait 包含了 20000 张主要的室内照片，分成 9 类，并可用于皮肤增强和牙齿美白等任务。

Apr, 2023

VGGFace2: 跨姿态和年龄识别人脸的数据集

介绍了一个名为 VGGFace2 的大规模人脸数据集，其中包含来自 Google Image Search 的 3,310,000 张 9131 个主体的照片，通过训练在数据集上的卷积神经网络，我们展示了在所有 IARPA Janus 面部识别基准测试上的最新成果表现。

Oct, 2017

4DFAB：用于生物特征应用的大规模 4D 面部表情数据库

本论文介绍了 4DFAB 这个新的大型动态高分辨率 3D 人脸数据库的构建与多种应用，包括但不限于面部表情识别、行为生物特征识别、强力面部行为混合形状参数化模型的学习等，该数据库可公开获取以作进一步研究目的。

Dec, 2017

利用数百万 3D 扫描进行大规模 3D 人脸识别的学习

提出使用大量的 3D 面部扫描数据和深度学习模型的方法来解决开放世界人脸识别问题，并取得了比现有技术超过 10％的精度提升。

Nov, 2017

从图像和视频中学习完整的三维可塑性人脸模型

本研究提出了一种基于自监督学习的方法，通过图像和视频数据学习脸部特征的完整 3D 模型，实现了环境无关的单目重建，并训练出能够更好地推广和提高图像重建质量的表情基础等方面的面部模型。

Oct, 2020

从单个扫描生成动态面部资产和绑定

通过使用自监督神经网络，本文提出了一个自动生成高质量动态面部组件的框架，包括可以快速部署供艺术家打磨的模型，并展示了在广泛的新主题上推断的鲁棒性和有效性，同时通过生成定制的基于物理的动态纹理来给角色面部制作更生动的动画。

Oct, 2020