摘要

受限于三维人脸模型（3DMM）低维表征能力的固有局限，现有的基于3DMM的人脸重建（Face Reconstruction, FR）方法大多难以恢复高频率的面部细节，例如皱纹、酒窝等。尽管部分方法尝试通过引入细节贴图或非线性操作来缓解该问题，但重建结果仍缺乏真实感与细节表现力。为此，本文提出一种新型的分层表征网络（Hierarchical Representation Network, HRN），旨在实现从单张图像出发的高精度、高细节的人脸重建。具体而言，我们通过实现几何与外观的解耦，并引入分层表征机制，以支持更精细的人脸建模。同时，我们将面部细节的三维先验信息融入网络结构，显著提升了重建结果的准确性与真实感。此外，我们设计了一种去修饰（de-retouching）模块，以实现几何与外观特征更优的解耦。值得注意的是，本框架可通过考虑多视角间细节的一致性，自然扩展至多视角人脸重建场景。在两个单视角和两个多视角人脸重建基准数据集上的大量实验表明，所提方法在重建精度与视觉效果方面均优于现有主流方法。最后，为推动高保真人脸重建研究的发展，我们构建了一个高质量的三维人脸数据集 FaceHD-100。项目主页详见：https://younglbw.github.io/HRN-homepage/。