3D 面部可变形模型“在野外”

三维可变形模型（3DMMs）是强大的三维面部形状和纹理统计模型，也是从单张图像重建面部形状的最先进方法之一。随着新型3D传感器的出现，许多包含中性和表情丰富的面部数据集被收集起来。然而，所有这些数据集都是在受控条件下捕获的。因此，尽管可以从这些数据中学习到强大的三维面部形状模型，但要构建足以在不受限条件（“野生环境”）下重建面部的统计纹理模型仍然十分困难。本文中，据我们所知，首次提出了“野生环境”下的3DMM，该模型结合了描述身份和表情的强大统计形状模型以及“野生环境”下的纹理模型。我们展示了使用这种“野生环境”下的纹理模型可以极大地简化拟合过程，因为无需针对光照参数进行优化。此外，我们提出了一种新的快速算法，用于在任意图像中拟合3DMM。最后，我们捕获了第一个相对不受限条件下的3D面部数据库，并报告了具有最先进性能的定量评估结果。我们在标准的“野生环境”面部数据库上还展示了补充性的定性重建结果。作为Menpo项目的一部分，我们的技术开源实现已对外发布。