[CVPR2005]Estimating 3D Shape and Texture Using Pixel Intensity, Edges, Specular Highlights, Texture

标题：Estimating 3D shape and texture using pixel intensity, edges, specular highlights, texture constraints and a prior
链接：http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.129.1779&rep=rep1&type=pdf
之前优化3DMM参数的算法基本都是基于像素强度的，本文提出了另外两个条件来帮助模型收敛：边缘信息和高光信息。
像素强度特征
就是根据2D图像和3D模型之间的颜色区别来帮助模型训练。比如通过图像颜色恢复出图片阴影，然后估计深度图，进而确定立体结构
边缘特征
边缘特征可以提供更多的2D形状信息，有利于五官的恢复，与像素强度估计出的深度信息互补。
输入图像的边缘可以直接用边缘检测器检测出来。
3D模型的边缘分为两类，一方面是纹理图中可以找到的，只需要直接从纹理图中的固定区域提取即可。另一类是面部的轮廓线，需要先将模型渲染后做渲染图的消融从而得到。
最后用输入图像的边缘与3D模型的边缘做回归优化即可。

高光特征
首先，高光区域的检测很简单，就找那些亮度饱和的区域就可以了。
然后高光信息的利用主要是遵循"高光点的法线是相加-高光点-光源形成的夹角平分线"这一思路来设计的。因此可以提供一部分的深度信息