Large Pose 3D Face Reconstruction from a Single Image via Direct Volumetric 文章的一點點理解梳理

寫在前面

因為我比較弱，在機器學習和三維重建方面都算是新手，所以並不是很理解這篇文章，只是梳理下文章中的模型結構，當做筆記，我相信大家更加優秀，應該能理解的層次比我更深。我這裡梳理的順序按照由小模組向大模組梳理。

Residual Module

文章中稱為 residual module ，引用的文章中稱為 Residual Learning，是微軟發表的文章，中文常翻譯為殘差學習,源自論文Deep Residual Learning for Image Recognition

他第一行是卷積路，由三個核尺度不同的卷積串聯而成；第二行是跳級路，只包含一個核尺度為1的卷積層。

對於多個殘差學習模組串聯的情況也可以展開為如圖的效果。

Hourglass Module

Hourglass Module如上圖所示，是Stacked Hourglass Networks for Human Pose Estimation 文章中的一個獨立子模組，圖中每一個立方體都是一個Residual Module。

可以說這篇文章就是直接用Hourglass module堆出來的了，想要理解這個模型，可能必須要讀一下這個模型的出處。這裡附一個文章

VRN

Volumetric Regression Network(VRN) 本文作者使用的模型，由多個沙漏模型組合在一起形成。
- VRN模型使用兩個沙漏模組堆積而成，並且沒有使用hourglass的間接監督結構。
- VRN-guided 模型是使用了Stacked Hourglass Networks for Human Pose Estimation 的工作作為基礎，在前半部分使用兩個沙漏模組用來獲取68個標記點，後半部分使用兩個沙漏模組，以一張RGB圖片和68個通道（每個通道一個標記點）的標記點作為輸入資料。
- VRN-Multitask 模型，用了三個沙漏模組，第一個模組後分支兩個沙漏模組，一個生成三維模型，一個生成68個標記點。

參考文獻