我目前重心放在单纯的重建上,不包括渲染,所以我看论文的重点都在重建方法上,别的可能就略过了
有别的好的文章可以留言推荐我一下❤
CVPR2021
1.High-fidelity Face Tracking for AR/VR via Deep Lighting Adaptation
核心是光照渲染,重建方法用的是DAM(Deep appearance models for face rendering.)
算了算了,数据要求苛刻,且不开源...
2.别的还没有放出来,再等等...
ECCV2020
1.Beyond 3DMM Space: Towards Fine-grained 3D Face Reconstruction
核心是细粒度(就是增加一些皱纹之类的,看起来更加逼真)
目前为止数据是开源的,代码还没有(估计也不会有了)
开源数据包括...
重建方法是基于UV map和GAN的(Nonlinear)
2.Eyeglasses 3D shape reconstruction from a single face image
核心是加了眼镜的模型
不是很关心,跳过
☆3.Inequality-Constrained and Robust 3D Face Model Fitting
核心是优化人脸形状受约束的问题,创造出更丰富的人脸形状
方法部分蛮少的,从实验结果看,眼睛部分的检测貌似还是一般般
4.JNR: Joint-based Neural Rig Representation for Compact 3D Face Modeling
核心是提出一种新的人脸模型表征方法
数据显然是不公开...
☆5.Learning to Generate Customized Dynamic 3D Facial Expressions
核心是重建的人脸可以做动态表情,且所有卷积针对的是mesh,而不是图片
训练集是公开数据集4DFAB
6.“Look Ma, no landmarks!” – Unsupervised, model-based dense face alignment
核心是无监督的重建(只需要mean face model),目前实验结果比有监督的还是差蛮多的(比3DDFA还要差很~~多)
这个题目也是没谁了...效果不咋滴且暂时对无监督不感兴趣,略过
☆7.Personalized Face Modeling for Improved Face Reconstruction and Motion Retargeting
同时完成带有表情的个性化人脸重建+跟踪,网络是基于视频的
训练集有两个1) VoxCeleb2 2) ExpressiveFaces.
看demo感觉效果是蛮好的,特别是嘴巴部分;但是眼睛的face model好像还是有点问题(样本不够多,看不是很清楚,不很确定);对比实验的结果还不错的。
8.Self-Supervised Monocular 3D Face Reconstruction by Occlusion-Aware Multi-view Geometry Consistency
自监督、多视角图片、有源码
看视频demo感觉眉毛ok,但是眼睛依然不会动!
我暂时是做单图的,略过先
☆9.Synthesizing Coupled 3D Face Modalities by Trunk-Branch Generative Adversarial Networks
核心是generator生成texture和shape的同时生成法向量,有源码
看视频demo,表情还蛮好的,眼睛貌似也可以(不是很确定),但是...堆卡警告...
还是值得一看的
10.Towards Fast, Accurate and Stable 3D Dense Face Alignment
3DDFA的优化版,加入了帮助视频稳定的方法和优化拟合准确度的方法(作者表示优化方法的代码有点难实现)
开源了测试代码和训练好的模型,可以跑着玩,但是没办法自己训练
在所有人都用GAN、nonlinear的时候,作者还在坚持linear,赞(虽然nonlinear好发文章,但我认为在实际应用上linear的还是有很多优点的)
CVPR 2020
☆1.ReDA:Reinforced Differentiable Attribute for 3D Face Reconstruction
重建方法的优化核心是网络增加了一个额外求偏移量的分支,确保拟合更准确。别的点也有,我暂时不关心。
吐槽一下,不开源、demo太少,对比实验也少...idea新但是效果好不好真不好判断...
不过求偏移量这个是我好奇的点,可以多看一眼
2.Deep 3D Portrait from a Single Image
核心是头部姿态控制。挺酷的,先建模人脸+发型,然后抠图摆回去,用GAN补充剩余部分。
代码部分开源,只能跑个结果玩一玩,不能训练
而且其实不算重建吧...算是重建后的一个应用
3.Unsupervised Learning of Probably Symmetric Deformable 3D Objects from Images in the Wild
核心是利用对称性重建,无监督,不仅仅针对脸,开源
跳过
☆4.Uncertainty-Aware Mesh Decoder for High Fidelity 3D Face Reconstruction
(我关注的)核心是用了GNN和uncertainty 的loss来优化shape,满足更多形状的人脸
(我暂时不关注的)核心是用GAN生成高清texture
非线性,这样重建出来的model好像没办法控制啊...
5.RetinaFace: Single-shot Multi-level Face Localisation in the Wild
4个Tesla P40,卡也挺多的...
自己标注了数据集WIDER FACE的dense 3d model,但是好像没公开(找了一下没找到)
脸部细节还是不能捕捉(作者在补充文档提到了),那就算了吧,不看了(有点看不懂)
☆6.Disentangled and Controllable Face Image Generation via 3D Imitative-Contrastive Learning
核心是对人脸做解缠的
暂时用不上,但是以后要多关注
☆--Attention-Driven Cropping for Very High Resolution Facial Landmark Detection
乱入一个2d特征点检测的,有参考性
7.Deep Facial Non-Rigid Multi-View Stereo
核心是利用多视图优化三维人脸,恢复细节
UV map(非线性)
训练集:Stirling/ESRC 3D face database 开源的,立马能搜到
8.DeepFaceFlow: In-the-wild Dense 3D Facial Motion Estimation
输入是图像对,单目,表情估计
制作了数据集,据说要开源,但是一年了也没有
9.Learning Formation of Physically-Based Face Attributes
用了4000张高清扫描人脸,身份和表情完全解缠,提供低维特征向量控制面部
不看了,数据没找到开源的地方,而且文中用的别人的数据集都好贵哦,默默放弃
10.A Morphable Face Albedo Model
核心是rendering
开源哎 https://github.com/waps101/AlbedoMM
☆11.FaceScape: a Large-scale High Quality 3D Face Dataset and Detailed Riggable 3D Face Prediction
开源哎 可以重点看一看 https://github.com/zhuhao-nju/facescape
核心是提供了数据集,且实现了表情控制算法
12.AvatarMe: Realistically Renderable 3D Facial Reconstruction “in-the-wild”
核心是高清纹理
13.Lightweight Photometric Stereo for Facial Details Recovery
核心是纹理恢复,开源
14.Cross-modal Deep Face Normals with Deactivable Skip Connections
核心是估计法向量,改善纹理细节
15.Towards High-Fidelity 3D Face Reconstruction from In-the-Wild Images Using Graph Convolutional Networks
核心是基于GNN的面部纹理恢复