从无标定图像进行三维人脸重建的综述
计算机视觉与模式识别
2021-03-01 v2
摘要
近来，将3D数据纳入人脸分析及其应用的关注大量增加。尽管3D人脸图像提供了更精确的面部表示，但其获取比2D图片更复杂。因此，人们在开发从非标定2D图像重建3D人脸的系统上投入了巨大努力。然而，从2D到3D的人脸重建问题是病态的，因此需要先验知识来限制解空间。在这项工作中，我们回顾了过去十年提出的3D人脸重建方法，重点关注那些仅使用在非受控条件下捕获的2D图片的方法。我们基于所采用的添加先验知识的技术对提出的方法进行分类，考虑三种主要策略，即统计模型拟合、光度法和深度学习，并分别进行综述。此外，鉴于统计3D人脸模型作为先验知识的重要性，我们解释了构建流程并提供了最流行的公开可用3D人脸模型列表。在对从2D到3D人脸重建方法详尽研究之后，我们观察到深度学习策略自过去几年迅速增长，成为替代广泛使用的统计模型拟合的标准选择。与另外两种策略不同，基于光度法的方法数量有所减少，因为其需要强底层假设，与统计模型拟合和深度学习方法相比限制了重建质量。本综述还指出了当前挑战并建议了未来研究途径。
引用
@article{arxiv.2011.05740,
title = {Survey on 3D face reconstruction from uncalibrated images},
author = {Araceli Morales and Gemma Piella and Federico M. Sukno},
journal= {arXiv preprint arXiv:2011.05740},
year = {2021}
}