Fig. 1. FLAME example. Top: Samples of the D3DFACS dataset. Middle: Model-only registration. Bottom: Expression transfer to Beeler et al. [2011] subject using model only
3D人臉建模領域在高端和低端方法之間存在很大差距。 在高端，最好的面部動畫與真人無法區分，但這需要大量的手工勞動。 在低端，消費者深度傳感器的面部捕捉依賴於3D表情模型，這些模型的表現力不足以捕捉自然面部形狀和表情的變化。 我們通過從數千個精確對齊的3D掃描中學習面部模型來尋求中間立場。 我們的FLAME模型（使用關節模型和表達式學習的面孔）旨在與現有的圖形軟件配合使用，並且易於適應數據。 FLAME使用從人頭3800次掃描訓練的線性形狀空間。 FLAME將這種線性形狀空間與鉸接的下巴，頸部和眼球，依賴於姿勢的矯正混合形狀以及其他全局表達混合形狀結合在一起。從D3DFACS數據集中的4D面部序列以及附加的4D序列學習依賴於姿勢和表達的關節。 我們準確地將模板網格註冊到掃描序列，並使D3DFACS註冊可用於研究目的。 總的來說，模型是通過超過33,000次掃描進行訓練的。 FLAME是低維度的，但比FaceWarehouse模型和巴塞爾人臉模型更具表現力。我們將FLAME與這些模型進行比較，將它們擬合到靜態3D掃描和4D序列使用相同的優化方法。 FLAME更加準確，可用於研究目的（http://flame.is.tue.mpg.de）。
1 INTRODUCTION