从粗到精的人脸法线估计
计算机视觉与模式识别
2026-01-06 v1
摘要
尽管近期的方法在人脸法线估计方面取得了令人期待的成果，但其有效性很大程度上取决于大规模配对数据进行训练。本文通过开发一种粗到精的法线估计器来缓解这一需求。具体而言，我们的方法首先从小型数据集训练出一个简洁的模型，以产生粗糙的人脸法线作为后续细化的指导（称为样本）。随后采用自注意力机制捕获长程依赖，从而弥补估计粗糙人脸法线时留下的严重局部瑕疵。然后，针对将输入人脸图像与相应样本映射到细粒度高质量人脸法线的任务，定制了一个细化网络。这种功能分解的逻辑结构可以显著降低对大量配对数据和计算资源的要求。我们进行了大量实验和消融研究，以展示设计的有效性，并揭示其在训练成本和估计质量方面优于现有方法的优势。我们的代码和模型已开源于：https://github.com/AutoHDR/FNR2R.git。
引用
@article{arxiv.2601.01950,
title = {Face Normal Estimation from Rags to Riches},
author = {Meng Wang and Wenjing Dai and Jiawan Zhang and Xiaojie Guo},
journal= {arXiv preprint arXiv:2601.01950},
year = {2026}
}