- 基于面部局部分割的三维人脸重建
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。
- ECCV人脸度量重建研究
提出了一种基于面部识别网络的监督学习方法 MICA，能够实现更精确的面部重建和跟踪，且在当前的非度量基准测试和度量基准测试上都有着较大的优势。
- S2F2: 自监督单目图像高保真度人脸重建
本文提出一种能够重建面部几何形状、在单个单目图像中重建时空变化的面部反射的新颖面部重建方法，采用基于 DNN 的自编码器和可微分光线追踪图像构建，同时利用自监督训练方法实现高保真度的面部重建，同时实现了面部反射和几何形状的高度解耦。
- CVPR使用 StyleGAN 和感知细化实现标准化头像合成
提出了一种高度稳健的基于 GAN 的框架，可从单个非约束性照片中数字化人物的标准化 3D 头像，并通过采用高度稳健的标准化 3D 面部生成器以及感知细化步骤来生成高质量的标准化面部模型。
- ICCV利用自监督学习和光线跟踪实现高保真度单目人脸重建与富含反射的技术
本文提出了一种基于 CNN 编码器和可微分光线追踪器的面部重建方法，使得在不同照明场景下，可以得到更高质量更真实的面部形状、外观和照明，从而实现实用的应用，如重新照明和自动去除自阴影。
- 基于多个实例的人脸超分辨率与编辑幻像
本论文旨在从低分辨率图像中重建人脸高分辨率图像。文章利用一组范例图像来引导神经网络以及基于像素产生权重生成模块来提高多个范例图像的信息量。得出的高分辨率图像不仅可用于标准的人脸超分辨率问题，而且还可用于微小的脸部编辑，且模型展示了良好的效果 - ICCV使用 3D 可塑模型和生成对抗网络进行人脸去遮挡
本研究提出了一种新颖的基于 3DMM 和生成对抗网络的方法来恢复去遮挡的人脸图像并重建正确的 3D 面部模型，实验结果证实了该算法在消除各种头部姿势和光照等难以处理的遮挡方面的有效性和鲁棒性。
- 从多样化数据来源学习人脸形状的三维面部生成
本文提出了一种从多种不同来源学习三维脸部参数模型和三维脸部重建的新方法，通过利用包括扫描的面部数据、野外面部图像和大量的 iPhone X 捕捉的 RGB-D 图像之间的差距，以更多的训练数据为基础，我们可以学习到一个更强大的面模型。
- SiGAN: Siamese 对抗生成网络用于保留身份的人脸超分辨率
提出了一种基于 Siamese 网络的生成对抗网络（SiGAN）来重建视觉上类似于其对应身份的高分辨率人脸，包括重建误差和身份标签信息，并在 SiGAN 的生成器对和鉴别器中迭代优化，实现了照片般逼真的面部重建和身份识别。实验结果表明，Si - CVPRPOSEidon: 面部深度估计驾驶员姿态
本文提出了一种基于深度图像的头部姿态估计的新型深度学习框架 POSEidon，包括三个卷积网络和一个融合层，同时还提出了一种基于深度学习的人脸表征方法用于理解头部的位置和方向，实验结果表明该方法在实时监测司机关注度方面具有很好的性能和应用潜 - 从单张图像中学习详细的人脸重建
本文介绍了一种使用卷积神经网络构建面部几何细节的方法，包括由粗到细的两个网络模块和多阶段的训练阶段，可以从单张图像中提取面部表面。