论文学习笔记：《Joint 3D Face Reconstruction and Dense Alignment with Position Map Regression Network》

目的：

3D人脸重建3D Face Reconstruction、稠密人脸对齐Dense Alignment
———————————————————————————————————

方法：

PRN：Position Map Regression Network（位置映射回归网络）
设计UV位置映射图：
（记录所有面部点云3D坐标，每个UV多边形中都保留了语义信息）；
训练一个编码解码网络，将单张2D人脸图像映射到UV位置

不依赖任何初始人脸模型
可根据语义信息重建整个几何人脸
———————————————————————————————————
UV position map：

Left：输入图像的3D图，3D点云的ground truth；
Right：第1行，2D图像 → 提取的UV纹理映射图 → 对应的UV位置映射图；
第2行，UV位置映射图的x，y，z通道
——————————————————————————————————————

网络结构：

直接用CNN网络回归UV参数
Encoder：
input： 256×256×3 的图片
architecture：10个残差块
output：8×8×256 的 feature map
Dcoder：
input： 8×8×256 的 feature map