| 项目 | 内容 | 说明 |
|---|---|---|
| 数据规模 | 18 760 个人脸模型（938 位受试者 × 20 种表情） | 每个模型均为拓扑统一的高质量网格 |
| 几何细节 | 毛孔级几何细节，约 26 317 顶点 / 50 000 三角形 | 通过 68 台 DSLR 相机阵列捕获，分辨率最高可达 8K |
| 纹理与位移图 | 4K‑8K 纹理贴图 + 位移图（用于细节恢复） | 支持细粒度表情变化（如皱纹） |
| 多视角图像 | 每个身份提供多视角 RGB 图像及相机参数 | 适用于单视图 3D 人脸重建基准 |
| 标注信息 | 68 点 3D 关键点、年龄、性别、表情标签 | 可用于表情分析、姿态估计等任务 |
| 数据格式 | 拓扑统一的 OBJ/PLY 网格、PNG 纹理、JSON 参数文件 | 便于直接加载到常用 3D 渲染或深度学习框架 |
| 许可方式 | 免费供非商业研究使用，需填写申请表获取下载链接 | 官方声明“非商业研究免费开放” |
| 主要用途 | - 单视图 3D 人脸重建基准 - 可动画化（riggable）人脸模型学习 - 表情细节合成与分析 |
论文中展示了从单张图像预测可动画化高细节人脸的完整流水线 |
关键技术亮点
- 高质量捕获：采用 68 台相机同步拍摄，确保每个模型拥有完整的多视角信息和细腻的几何细节。
- 拓扑统一：所有模型经过统一拓扑处理，便于直接进行统计建模或深度学习训练。
- 动态细节建模：引入“dynamic details”概念，学习表情变化导致的细微几何变化（如皱纹），实现从单张图片生成可动画化的高细节人脸。
- 丰富的基准：提供标准评估协议和基准结果，方便对比不同 3D 人脸重建方法的性能。
相关链接
- GitHub 项目主页（代码、数据申请入口）
https://github.com/zhuhao-nju/facescape - 论文 PDF（CVPR 2020）
https://conferences.computer.org/cvpr/pdfs/CVPR2020-1XMljIyuXWg2zC9bnL19Tw/716800a598.pdf - Papers with Code 数据集页面（包含基准排行榜）
https://paperswithcode.com/dataset/facescape - 阿里云天池数据集发布页（中文介绍与下载说明）
https://tianchi.aliyun.com/dataset/83213 - IEEE TPAMI 综述文章（2023）（对数据集的最新评述）
https://dl.acm.org/doi/10.1109/TPAMI.2023.3307338
使用建议
- 研究：适合作为单视图 3D 人脸重建、表情细节合成、可动画化模型学习的训练与评估数据。
- 基准：可直接使用官方提供的评估协议，对比新算法在几何误差、纹理保真度、表情细节恢复等指标上的表现。
- 扩展：结合多视角图像和相机参数，可用于相机标定、姿态估计等跨模态任务。
获取方式：访问 GitHub 项目页面提交数据使用申请表，获得下载链接后即可获取完整的 3D 模型、纹理、位移图及标注文件。非商业研究者均可免费获取。
声明：文章均为AI生成，请谨慎辨别信息的真伪和可靠性！