目前为止通用的人脸模型有3DMM模型和FaceWarehouse模型,但因为能用的数据集太少限制了能表达的面部形状。
FLAME利用三个异构数据集,总共使用了33,000多个3D扫描。
从大约4000个CAESAR身体扫描的头部训练---身份形状空间( identity shape space )。
使用D3DFACS数据集的400多个4D面部序列和flame自己捕获的4D序列---模拟姿势和表情变化。
使用全局线性模型学习 expression blendshapes,使用正交表达式空间来估计身份和姿势。flame的亮点是提出了更加精确的统计头部模型,它能够对头部姿势和眼球旋转更准确的建模。