photorealistic avatars of human faces have come a long way in recent years,
yet research along this area is limited by a lack of publicly available,
high-quality datasets covering both, dense multi-view camera captures<
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。