摘要

三维人脸形状相较于二维形态具有更强的表现力和视角一致性。然而，由于在三维视角下特征点位置存在模糊性，单张图像中的三维人脸关键点定位仍是一项极具挑战性的任务。现有方法通常采用次优的两步策略：先进行二维关键点定位，再估计深度信息。本文提出一种端到端的联合体素与坐标回归（Joint Voxel and Coordinate Regression, JVCR）方法，以更高效的方式实现三维人脸关键点定位。首先，我们提出一种紧凑的体素化表示方法，用于编码每个体素位置作为三维关键点的似然概率。该表示的维度固定，不随目标关键点数量变化，从而有效避免了维度灾难问题。随后，采用堆叠式沙漏网络从粗到细地估计该体素表示，并进一步通过三维卷积网络以估计的体素图为输入，回归出人脸形状的三维坐标。该方式使神经网络能够更高效地学习关键点之间的三维结构约束关系。此外，所提出的整体框架支持端到端训练，显著提升了三维人脸关键点定位的鲁棒性与精度。我们在3DFAW和AFLW2000-3D数据集上验证了所提方法的有效性。实验结果表明，该方法在性能上优于现有主流方法，达到了当前最优水平。