Regressing Robust and Discriminative 3D Morphable Models with a very Deep Neural Network.
(仔細(xì)看完這篇文章，才覺得有點(diǎn)重點(diǎn)錯(cuò)了..)
這篇文章的contribution主要體現(xiàn)在：
- 3d人臉數(shù)據(jù)少腔寡，提出了新的自己建數(shù)據(jù)的方法
- 第一次用cnn學(xué)3dmm的參數(shù)
- 效果比一般的好
- in-the-wild
第一條：
從CASIA數(shù)據(jù)庫(kù)上下了500k張圖片焚鲜，共有10k個(gè)人。對(duì)每一張圖片算一個(gè)3dmm參數(shù)（Face recognition based on fitting a 3d morphable model）放前。對(duì)shape和texture各取99維度忿磅，拼成198維度的一個(gè)向量作為ground truth。對(duì)同一個(gè)人凭语，拿他多個(gè)3dmm參數(shù)算一個(gè)加權(quán)平均作為最后的3dmm參數(shù)贝乎。
他們最后生成了~10k的training data
用一個(gè)在face recognition任務(wù)下train的resnet-101(Do we really need to collect millions of faces for effective face recognition?)，把最后一層全連接層改成198D的3dmm feature vector
自己定義了loss礁遣， 為asymmetric Euclidean loss
