发现3D人脸重建中的几何偏差：用于公平性评估的曲率感知谱框架
计算机视觉与模式识别
2026-07-08 v1
摘要
3D可变形模型（3DMM）仍然是许多最先进的3D人脸重建算法的标准参数化形状先验。然而，由于这些模型源自有限数量的3D人脸样本，它们继承了训练数据的形态偏差，可能限制其在全球不同人群中的泛化能力。在本文中，我们提出了一个新颖的框架，通过表面曲率的视角分析3DMM重建，旨在发现、量化和可视化偏差。虽然标准评估指标通常依赖欧氏距离，但我们的重建误差捕捉了局部拓扑或起伏等细微的表面差异。为此，我们利用拉普拉斯-贝尔特拉米算子（LBO）生成高分辨率曲率误差图，提供真实人脸与重建网格之间差异的局部化和几何上有意义的可视化。我们从中推导出一个误差指标，并通过用户研究进行了验证，观察到与传统方法相比，与人类感知的相关性显著更高。此外，我们在多个3DMM基数和拟合算法上进行了广泛的实验，发现了系统性的年龄相关偏差，并提供了与性别和种族相关的偏差的初步证据。我们的研究结果强调了采用曲率感知评估协议以确保未来3D人脸重建研究中的群体公平性和几何精度的必要性。
引用
@article{arxiv.2607.07486,
title = {Discovering Geometric Biases in 3D Face Reconstruction: A Curvature-Aware Spectral Framework for Fairness Evaluation},
author = {Veronika Shilova and Emmanuel Malherbe and Giovanni Palma and Panagiotis-Alexandros Bokaris and Laurent Risser and Jean-Michel Loubes},
journal= {arXiv preprint arXiv:2607.07486},
year = {2026}
}