buaadf的博客

Capture, Learning, and Synthesisof 3D Speaking Styles论文阅读笔记摘要制作了一个4D面部（3D mesh 序列 + 同步语音）数据集：29分钟，60fps，12个人在该数据集上训练了一个神经网络（这句话原话是we then train a neural network on our dataset that factors identity from facial motion，不知道怎么理解）学习的模型VOCA，输入为任意语音信号（不局限为英文