首先回答問題，再闡述我的觀點和舉證。3D人臉建模目前的技術雖然能做到辨識度極高，但我認為還是有非常大的提升空間，真實度極高達到百分之96以上，但會存在一些外在因素，環境因素等會影響到效果，下面就各項基本原理進行一個淺度的分析。希望對大家有所幫助。

“3D建模”通俗來講就是透過三維製作軟體透過虛擬三維空間構建出具有三維資料的模型。3D建模大概可分為：NURBS和多邊形網格。 NURBS對要求精細、彈性與複雜的模型有較好的應用，適合量化生產用途 。多邊形網格建模是靠拉麵方式，適合做效果圖與複雜場景動畫.綜合說來各有長處。

基於模型（linear or bilinear）的方法

優點：重建結果完整，拓撲結構已知（這對於重建之後的應用很重要，如換臉，換表情等）

缺點：重建精度嚴重依賴所使用模型，而模型的訓練對資料的採集及處理要求相當高。

基於多檢視或者任何利用視覺資訊估計深度的方法（stereo、mvs 、sfs...)

優點：處理的好的話精度可以很高（可能需多種技術輔助）

缺點：結果可能不完整，存在漏洞。拓撲結構不一致，後續應用較困難（具體看應用方向）。

對人臉識別（對人臉識別並不很熟悉）

對有表情和大角度的人臉影象，可進行建模，然後生成中性表情的正臉照，提高識別精度。

還有就是利用3dmm生成大角度下帶有各種表情的影象做為訓練資料。（data augmentation）

之前做過人臉重建和表情驅動，破解過國內兩個巨頭的人臉活體檢測。最近做人體重建，需對人體姿態、形態、裸體形態等進行估計。所以這次的題目還是很簡單，純粹的最小二乘求解。簡單寫了幾十行c(python應該可以非常短吧）。

根據已有的資料進行重建會有不準的時候，如果和重識別技術結合，在此基礎上進行再次校準，可信度應該會更大。（感覺更傾向於解決 人臉識別中人眼看著明顯不是一個人，機器卻認為是同一個人的問題）

另外如果利用較少樣本就可以重建人臉的話，計算力上的需求低，移動端的應用有優勢，但是目前人臉識別的技術較難的地方，比如實際生活中遮擋問題，戴口罩、墨鏡什麼的，應該沒有優勢。

怎麼形容呢？打個比方吧，如果用3d人臉建模，輻射到另外一個人臉上，再加上化妝高手，面部表情，一般的情況下你是分不出的，你還以為會是雙胞胎。