[ICCVw2017]MoFA: Model-based Deep Convolutional Face Autoencoder for Unsupervised Monocular

标题：Mofa: Model-based deep convolutional face autoencoder for unsupervised monocular reconstruction
链接：http://openaccess.thecvf.com/content_ICCV_2017_workshops/papers/w19/Tewari_MoFA_Model-Based_Deep_ICCV_2017_paper.pdf
本文是处理2D人脸到3D人脸的无监督训练的问题。
主要亮点是提出了一个可微分的渲染器。

具体结构如图所示：
输入就是一张简单的2D图片，2D landmark是可选项，不一定要输入，输入的话可以加速模型的收敛
encoder的目的就是将图片编码为语义特征，即位姿，形状，表情，面部反射（纹理）和光照。
然后通过可微分的解码器将这些语义特征渲染（解码）成对应的3D模型，然后通过重构损失来无监督的训练整个模型。
中间可以引入2Dlandmark来加速模型的收敛。