本文深入探讨了使用深度学习进行单张图像三维人脸重建的技术，涉及3DMM模型、数据集、3DMM CNN、Volumetric CNN、PRNet和MoFa等方法。通过这些方法，研究人员尝试从单个图像中直接估计3D面部特征，解决真实数据集获取难题，并实现自监督重建。
基于图像的人脸三维重建在人脸分析与娱乐领域里有巨大的应用场景，本文来介绍初学深度学习单张图像人脸三维重建必须要读的文章。
1 3DMM与数据集
虽然这里推荐的是深度学习三维人脸重建需要读的文章，但是因为经常需要用到经典的3DMM模型以及一些数据集，包括最著名的中性表情BFM模型及其2017年新增表情的版本，国内浙大开源的带表情的FareWareHouse数据集。
文章引用量：4000+
推荐指数：✦✦✦✦✦
[1] Blanz V, Vetter T. A morphable model for the synthesis of 3D faces[C]//Siggraph. 1999, 99(1999): 187-194.
[2] Cao C, Weng Y, Zhou S, et al. Facewarehouse: A 3d facial expression database for visual computing[J]. IEEE Transactions on Visualization and Computer Graphics, 2013, 20(3): 413-425.
2 3DMM CNN系列
3DMM CNN是早期使用CNN直接估计3DMM模型形状
订阅专栏 解锁全文
扫一扫
7594
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
