如果你有一个长鼻子，你还可能有一个长下巴，鉴于这种相关性，计算机可以用3DMM表征你的独特面部，但它并没有储存3D扫描面部的每一个点的信息，而是列出了几百个描述与平均面孔数字偏差的数值，包括大致对应的年龄、性别和脸长等参数。为尽可能处理各种不同的面部变化，3DMM需要集成许多面部信息，先扫描然后仔细标记所有特征。目前的模型仅基于几百人的数据构建，且大部分是白人，因此模仿不同年龄和人种的能力有限。



　　在 3DMM 中有两种用于建立密集对应(dense correspondence)的技术。上排是在 UV 空间(通常是网格状和纹理信息的圆柱形投影)中建立的人脸对应。每个网格的 UV 图像都会注册到模板 UV 图像，随后的采样会生成一个与模板对应的混合图形(mesh)。下排展示的是非刚性迭代最近点(NICP)，NICP 可以迭代使用，不断将 3D 模板变形从而匹配每个网格，完全避开 UV 空间。

　　ICL计算机科学家詹姆斯·布斯的团队开发的新方法有三个主要步骤：首先，用一种算法自动进行面部扫描，标记鼻尖和其他点位信息;然后，用另一种算法根据其他标记信息对所有扫描内容进行排序，将其组合成一个模型;最后，进行算法检测并删除不合格的扫描信息。

　　布斯团队将该方法应用于1万人的面部扫描，创建了“大型面部模型”(LSFM)，用现有模型测试，发现其能更准确地描述面孔。该成果即将发表在《计算机视觉期刊》杂志上。

　　最近，布斯团队还在另一篇论文中，利用新模型合成的1万张面孔来编辑了一个人工智能程序，将偶然的2D快照转换为精确的3D模型。该方法可用于从不同的角度查看相机上捕获的犯罪嫌疑人，或者模拟其20年后的模样。这种方法也能画出或制作出历史人物形象。

　　新模型还可以很快应用于医疗。如果有人失去了鼻子，整形外科医生可以根据脸部其余部分，模拟出新的鼻子。面部扫描还可以用于识别如威廉姆斯综合征等遗传疾病，提高通过面孔特征判断患病可能性的准确率。

　　英国约克大学计算机视觉研究所威廉·史密斯说：“布斯团队的工作为全面自动化人脸识别过程作出了巨大贡献。”