论文标题：Fast-GANFIT: Generative Adversarial Network for High Fidelity 3D Face Reconstruction

论文链接：https://arxiv.org/abs/2105.07474

代码链接：https://github.com/barisgecer/GANFit

作者单位：帝国理工学院, & FaceSoft

据作者称，这是首次实现了具有高频细节的人脸纹理重建的工作，性能优于NVAE等网络，代码已开源！

利用深度卷积神经网络（DCNN）的强大功能，为从单个图像重建3D人脸结构进行了大量工作。在最近的工作中，纹理特征要么对应于线性纹理空间的分量，要么由自动编码器直接从 in-the-wild 图像中学习。在所有情况下，人脸纹理重建的质量仍然无法使用高频细节对人脸纹理进行建模。在本文中，我们采用了截然不同的方法，并利用了生成对抗网络（GAN）和DCNN的功能，以便从单个图像重建人脸纹理和形状。也就是说，我们利用GAN在来自大型3D纹理数据集之前训练非常强大的人脸纹理。然后，我们使用非线性优化方法重新研究原始的3D变形模型（3DMM）拟合，以找到在新的视角下最能重构测试图像的最佳潜在参数。为了对初始化具有鲁棒性并加快拟合过程，我们提出了一种新颖的基于自监督的回归方法。我们在真实感和保持身份的3D人脸重建中展示了出色的结果，并且据我们所知，这是首次实现了具有高频细节的人脸纹理重建。

内容中包含的图片若涉及版权问题，请及时与我们联系删除