該論文主要是用CNN直接重建3D人臉，而不是預測3DMM模型的引數，網路結構是漏斗網路（
HG）。論文提出了三種方案，第一種是直接從圖片重建，第二種是加入了人臉特徵點，第三種是多工（重建+人臉特徵點預測）。效果最好的是第二種方法。

值得注意的是，該論文不是直接預測頂點的x、y、z座標。而是將mesh轉成voxel，變成一個192*192*200的矩陣。這樣就比較適合CNN。我們先看看mesh和voxel的區別：下面的第一張圖是mesh，可以看出就是一個曲面；第二張是voxel，可以看出人臉是由很多個立方體構成的。

作者給出了voxel轉成obj的指令碼，執行出來是這樣的：

這是一個封閉的曲面。這就有個問題了，由CNN預測出來的3D人臉的頂點是不固定的，也就是我們還需要進行一步對齊，將一個固定頂點的模板對齊到CNN預測出來的3D人臉。
mesh轉voxel可以用binvox這個工具。