CNN-3DMM extimation(0.9235)

当在真实场景中应用3d模拟来增加人脸识别精度，存在两类问题：要么3d模拟不稳定，导致同一个个体的3d模拟差异较大；要么过于泛化，导致大部分合成的图片都累死。因此作者研究了一种鲁棒的三维可变人脸模型（3D morphable face models(3DMM))生成方法。他们采用了卷积神经网络（CNN） 根据输入照片来调节三维人脸模型的脸型和纹理参数。该方法可以生成大量的标记样本。该方法在MICC数据集上进行了测试，准确度为state of the art。与3d-3d人脸比对流程相结合，作者在LFW，YTF和IJB-A数据集上与当前最好成绩持平。文章的关键点有两个：3D重建模型训练数据获取；3D重建模型训练