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

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。

Apr, 2018

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

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

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

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

本文提出了一种新的3D可塑人脸模型ImFace，能够学习一种非线性和连续空间，用于捕捉具有特定身份和表情的复杂形状。除了ImFace，还提出了有效的预处理管道，以解决隐式表示中watertight输入要求的问题，这使得它们可以与常见的人脸表面一起使用。通过大量实验，论文证明了ImFace模型的优越性。

Mar, 2022

本研究提出了一种名为ImFace++的新型3D可塑性面部模型，通过使用隐式神经表示来学习一种精细连续空间，并通过构建两个明确定义的变形场和一个优化的神经融合场来模拟面部的复杂形状、个体身份和表情变化，进而在面部重建和对应精度方面显著提升了现有技术水平。

Dec, 2023

本文介绍了一种新颖的体状可重塑模型(VRMM)，用于3D面部建模。通过使用一种高效的消缠和编码潜在空间的身份、表情和光照的训练框架，我们的VRMM克服了最近的体积优先模型在模型学习和个性化重建方面遇到的挑战。通过各种应用如头像生成、面部重建和动画等，我们展示了VRMM的多样性和有效性。此外，我们还提出了一种基于VRMM的新颖优先保持个性化框架，以解决生成性体积模型中常见的过度拟合问题。这种方法使得即使只有一个人像输入也可以实现准确的三维面部重建。我们的实验展示了VRMM在3D面部建模领域显著增强的潜力。

Feb, 2024

本研究解决了创建360°参数化人头模型中面部表情动画、发型编辑及基于文本的修改等关键领域表现不足的问题。提出了一种新方法，通过艺术家设计的高保真头部数据集，开发出一种参数化可渲染的3D头部模型，能够在单一模型中实现360°自由视角合成、图像拟合、外观编辑和动画。这一模型在渲染和动画质量上表现出色，具有显著的潜在影响。

Aug, 2024