基于深度学习的单幅图像三维人脸重建研究综述

• 作者: 何嘉玉 黄宏博 张红艳 孙牧野 刘亚辉 周哲海
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 三维人脸重建 深度学习 卷积神经网络 三维可变形模型 人脸识别
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 计算机视觉:理论与应用|Computer Vision : Theory and Application
• 页码范围: 40-50
• 页数: 11页
• 分类号: TP391
• 语种: 中文
• DOI: 10.11896/jsjkx.210500215

摘要

在计算机视觉领域中,三维人脸重建是一个具有研究价值的方向,高质量地重建出三维人脸在人脸识别、防伪、游戏娱乐、影视动画和美容医疗等领域具有重要的意义.近二十年来,虽然基于单幅图像的三维人脸重建领域已经取得很大的进展,但使用传统算法进行重建的结果仍会受到人脸表情、遮挡、环境光的影响,并且会出现重建效果精度不佳和鲁棒性不足等问题.随着深度学习进入三维人脸重建领域,各种优于传统重建算法的方法相继出现.文中首先重点介绍了基于深度学习的单幅图像三维人脸重建算法,将算法按不同的网络架构分为4类,并对各类最具有代表性的方法进行了详细阐述.然后汇总了基于单幅图像的三维人脸重建算法常用的三维人脸数据集,并在数据集上对具有代表性的方法进行了性能评估.最后对基于单幅图像的三维人脸重建领域进行了总结与展望.