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

源代码理解

固定3D关键点，2D投影关键点，求s, R, t

def _optimize_rigid_pos(self, scale, trans, rot_vector, lm_pos_3D, lm_pos)
scale: 标量
trans: 2维向量
rot_vector: 3维向量
lm_pos_3D: (68, 3)
lm_pos: (68, 2)

核心调用

from scipy.optimize import least_squares
result = least_squares(self._compute_res_rigid, params, verbose=0, x_scale='jac', ftol=1e-5, method='lm',
                       args=(lm_pos_3D, lm_pos))
参数说明
fun=self._compute_res_rigid，计算残差的function（返回y_pred - y_true），调用格式fun(未知量, 已知量1, 已知量2)，具体使用什么损失函数还需要配合loss
x0=params，优化问题中的未知量的初始值（initial guess）
verbose=0
x_scale='jac'
ftol=1e-5
method='lm'
args=(lm_pos_3D, lm_pos)，优化问题中的已知量