摘要
三维可变形模型（3DMM）是一种基于主成分分析（PCA）的统计模型，它使用线性基函数来表示三维人脸，在从单视角野外图像重建三维人脸方面已显示出令人鼓舞的结果。然而，由于可用的三维扫描数量有限以及全局线性基函数的限制，3DMM在表示能力上存在局限性。为了解决3DMM的这些局限性，我们首次提出了一种基于自由形式变形（Free-Form Deformation, FFD）的学习方法，用于重建三维人脸网格。FFD是一种几何建模方法，通过在一个平行六面体网格中嵌入参考网格，并移动该网格的稀疏控制点来变形参考网格。由于FFD基于数学定义的基函数，因此其表示能力没有限制。因此，我们可以通过估计控制点的适当偏移作为变形参数来恢复精确的三维人脸网格。尽管3DMM和FFD都是参数化模型，但预测3DMM参数对面部形状的影响较为困难，而FFD的变形参数则可以解释其对最终网格形状的影响。这一实际优势使得FFD生成的网格和控制点成为三维人脸建模的良好起点，普通用户可以使用广泛可用的三维软件工具对其进行微调。多个数据集上的实验展示了我们的方法如何成功地从二维面部图像中估计出三维面部几何结构和表情，并且性能与现有最先进方法相当。