目前爲止通用的人臉模型有3DMM模型和FaceWarehouse模型，但因爲能用的數據集太少限制了能表達的面部形狀。
FLAME利用三個異構數據集，總共使用了33,000多個3D掃描。
從大約4000個CAESAR身體掃描的頭部訓練---身份形狀空間（ identity shape space ）。
使用D3DFACS數據集的400多個4D面部序列和flame自己捕獲的4D序列---模擬姿勢和表情變化。
使用全局線性模型學習 expression blendshapes，使用正交表達式空間來估計身份和姿勢。flame的亮點是提出了更加精確的統計頭部模型，它能夠對頭部姿勢和眼球旋轉更準確的建模。