KaoLRM：重新利用预训练的大规模重建模型进行参数化三维人脸重建
计算机视觉与模式识别
2026-01-21 v1
摘要
我们提出KaoLRM，旨在将大规模重建模型（LRM）的预训练先验知识重新定向，用于从单视图图像进行参数化三维人脸重建。参数化三维可变形模型（3DMM）因其紧凑且可解释的参数化而被广泛用于人脸重建，然而现有的3DMM回归器在不同视角下往往表现出较差的一致性。为解决此问题，我们利用LRM的预训练三维先验，并将基于FLAME的二维高斯泼溅融入LRM的渲染管线。具体而言，KaoLRM将LRM预训练的三平面特征投影到FLAME参数空间以恢复几何形状，并通过与FLAME网格紧密耦合的二维高斯基元来建模外观。丰富的先验知识使FLAME回归器能够感知三维结构，从而在自遮挡和多样视角下实现准确且鲁棒的重建。在受控和野外基准上的实验表明，KaoLRM实现了卓越的重建精度和跨视角一致性，而现有方法对视角变化仍然敏感。代码已发布在https://github.com/CyberAgentAILab/KaoLRM。
引用
@article{arxiv.2601.12736,
title = {KaoLRM: Repurposing Pre-trained Large Reconstruction Models for Parametric 3D Face Reconstruction},
author = {Qingtian Zhu and Xu Cao and Zhixiang Wang and Yinqiang Zheng and Takafumi Taketomi},
journal= {arXiv preprint arXiv:2601.12736},
year = {2026}
}