[ECCV2018]Generating 3D faces using Convolutional Mesh Autoencoders

标题：Generating 3D faces using Convolutional Mesh Autoencoders
链接：https://arxiv.org/pdf/1807.10267
这篇文章的目的是为了进一步优化3DMM的参数表示。

现如今的3DMM都是基于欧几里德数据表示的，也即我们常见的向量，矩阵。因为基于欧几里得数据的表示可以很简单的做卷积之类的操作。但是，事实上面部的mesh并不是数字表示的，而是网格，也即由一个个相连的点和线组成的，因此欧几里得数据会丢失一部分信息。而这篇文章就是提出如何直接在非欧几里得数据上做卷积。其实在我看来就是用了图卷积神经网络。

不考虑卷积操作的话，整体结构非常简单，就是一个autoencoder，目的就是获得中间层的那个维表示。然后作者为了控制隐空间，把autoencoder改成了VAE，并与基于PCA的网络做了对比，发现基于图卷积的网络可以在减少75%参数的情况下提升50%效果。