本文提出了一种基于高斯过程的新型开源面部配准管道以及其对面部图像分析的应用。通过引入面部对称性、多尺度和空间变化细节，该配准策略和建模技术可以应用于中性面部和面部表情，帮助构建三维可塑面部模型。同时，还发布了 BFM-2017 的新版本，其中包括更好的年龄分布和额外的面部表情模型，其开源软件框架及其实现的 AU 分析与综合模型适应（Analysis-by-Synthesis model adaption）已在多 PIE 和 LFW 数据库上进行了测试。

Sep, 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

本研究通过引入面部部分分割几何特征并利用 Part Re-projection Distance Loss (PRDL) 来优化点集的分布，从而在面部重建方面展现出最先进的性能。

Dec, 2023

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

提出了一种基于结合使用大量视频数据、学习不同用户的个性化面部模型以及独特表情的动态图像映射，可以准确捕捉广泛条件下的微细面部动态及更准确地重构面部和面部运动，比现有技术达到更好的效果。

Jul, 2020

本研究提出了一种基于图像外观的补丁级信息来预测图像变形的方法，通过设计一个深度编码器 - 解码器网络来学习图像外观与图像配准参数之间的像素 / 体素映射，特别针对 LDDMM，通过预测 LDDMM 动量参数化，使计算时间大幅减少。同时，我们创建了贝叶斯概率版本的网络，允许在测试时间使用 dropout 的蒙特卡罗采样来评估变形场的不确定性。

Jul, 2016

本研究介绍了一种基于 3D-3D 非刚性配准的图像引导肝脏手术方法，采用有限元模型 (FEM) 作为生物力学模型，在表面匹配项中独特地整合 FEM，确保估算的变形在配准过程中保持几何一致性。此方法通过将软弹簧整合到刚度矩阵中，允许力分布于整个肝脏表面，消除了确定 FEM 中零边界条件和施加力位置的需求。我们还引入了基于力量梯度的正则化技术，强加了空间平滑性，以防止术中数据中的不规则噪音过拟合。通过加速修正梯度算法进行优化，进一步通过我们提出的确定最佳步长的方法来增强效果。该方法在自定义开发的模拟实验和两个公开数据集上进行了评估和比较，始终优于或与基准技术相当。代码和数据集将公开提供。

Mar, 2024

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

该研究提出了一种基于深度学习和拟共形几何的方法，用于处理局部人脸数据的三维人脸注册，其通过使用曲率信息检测面部特征并估计其对应的坐标，从而建立局部人脸和模板表面之间的密集对应关系，实现点对点的几何差异估计及形状比较。

May, 2024

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