3D【6】人脸重建:Multilinear Autoencoder for 3D Face Model Learning

该论文输入的是一个扫描的3d mesh，输出是一个顶点数的3d mesh。这个过程很像NICP的3d人脸配准过程，但是NICP是一个优化的过程。而该方法在学习好了网络后，可以直接使用。使用GPU的话，速度应该可以非常快。

该论文还为利用CNN重建3D人脸提供了另一种思路。目前看到的用CNN进行3D人脸重建，其输出要么是3DMM的系数（没有人脸的真是深度信息），要么是将mesh立方体化（一个n1×n2×n3的矩阵，顶点数不固定）。而该论文学习的是论文Learning the Multilinear Structure of Visual Data [1]中的核心张量M，并且预测每个mesh的重构系数$W$ 。这样就能够使得预测出来的mesh顶点数一样；但是，对于是否能够预测出真实的人脸深度信息有待实验验证。