3DMM 读论文

Regressing Robust and Discriminative 3D Morphable Models with a very Deep Neural Network.

(仔细看完这篇文章，才觉得有点重点错了..)
这篇文章的contribution主要体现在：

1. 3d人脸数据少，提出了新的自己建数据的方法
2. 第一次用cnn学3dmm的参数
3. 效果比一般的好
4. in-the-wild

第一条：
从CASIA数据库上下了500k张图片，共有10k个人。对每一张图片算一个3dmm参数（Face recognition based on fitting a 3d morphable model）。对shape和texture各取99维度，拼成198维度的一个向量作为ground truth。对同一个人，拿他多个3dmm参数算一个加权平均作为最后的3dmm参数。

他们最后生成了~10k的training data

用一个在face recognition任务下train的resnet-101(Do we really need to collect millions of faces for effective face recognition?)，把最后一层全连接层改成198D的3dmm feature vector

自己定义了loss， 为asymmetric Euclidean loss