单次前向刚性对齐与三维人脸重建网络

2026年10月30日，arXiv Computer Vision 刊出 Eli A. Underwood 等作者的论文，提出一个基于 GeoTransformer 超点匹配架构的单一网络，可在一次前向传播中同时预测刚性位姿与形状完整的点云，无需人工标注系数。该方法先用 8,000 个身份离线学习的 3D 可变形人脸模型生成形变模板，再以 Sinkhorn 匹配完成精细对齐。在留出身份上，其每顶点误差领先最强基线 3-4 倍，并在 NoW 和 NPHM 两个真实扫描数据集上同时做到最准和最快。作者表示代码将公开，但报道未说明具体发布时间与获取方式。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。