提到3D这个词，大家可能听得耳朵都起茧了。从自动驾驶、AR/VR、机器人到工业质检，3D视觉都有所应用。毕竟现实世界是3D的，我们又何必把自己限制在2D世界呢？3D的意义并不只是为了呈现更加可信的真实世界，而是将数字世界变成现实生活的一部分，让它的每一个细节都变得像现实世界一样真实。

由于人脸是人们日常情感表达和交流最重要、最直接的载体，所以逼真的3D人脸重建一直备受关注。目前，现有的3D人脸重建方法一般是通过图像本身表达的信息来完成，如图像的视差、相对高度等，但这些方法对光照不敏感，通常会遗漏微妙的面部表情部分，使得重建不准确，那如何在室外环境中重建高质量的人脸模型呢？

在今年的CVPR 中，来自罗切斯特大学的陈乐乐博士等人在深度外观模型 (Deep Appearance Model，DAM) 的基础上，提出了一种基于光照模块来学习全局光照的方法。该方法首先在实验室控制场景中训练先验光照模型，之后将其应用于室外环境，从具有复杂照明和不同姿势的图像中，恢复准确的纹理和几何细节。与当前一些方法相比，此方法得到的人脸表情、头部姿态更加准确。

6月24日上午10点，我们邀请到罗切斯特大学在读博士陈乐乐带来第2讲的直播讲解，主题为《室外场景下的高精度3D人脸重建研究与应用》。

陈乐乐是罗切斯特大学在读博士，专业领域包括：计算机视觉，多模态交互学习与生成，计算机图形学。陈博有多篇ECCV，CVPR等顶会一作， 并获得2019 SIGGRAPH VRCAI 最佳论文和2020 PACT 最佳论文提名奖。