目前我正在努力将可变形模型拟合到给定图像（2d图像到3d模型），但仍然坚持拟合算法。
我读过几篇论文，大部分依赖于我很难实现的优化技术，比如SNO（blanz99，blanz03），MFF等。
有没有人实施过这样的方法之一？你能分享代码吗？
另外两个问题：
答案 0 :(得分：1)
<强>更新 ...
如果你真的只是在一些代码之后 - 也许这些特定的面部拟合/跟踪库可能更像你所追求的（尽管我知道他们更倾向于使用Active Appearance Models ...）
我担心我没有完全准备好你所尝试的代码（自从我做了这些事以来已经有7年了，我的事情已经发生了一些变化。祝你好运！）
<强> ...
除了模型问题 - 听起来你知道自己在做什么，只需要用一种可以与任意数量的优化库一起使用的形式来表达它......
我相信你可能知道这一切 - 但是对于这个特殊的问题，如果没有向作者自己询问代码，或者自己实现它，你就会留下现有的库。那么问题通常是定制你的模型以与它们一起工作（因此我之前的问题）。
e.g。
http://www.gnu.org/software/gsl/manual/html_node/Multimin-Algorithms.html
https://software.sandia.gov/opt++/
反过来被许多高级库使用，例如......
http://docs.scipy.org/doc/scipy/reference/optimize.html
http://stat.ethz.ch/R-manual/R-devel/library/stats/html/optim.html
http://weka.sourceforge.net/doc.dev/weka/core/Optimization.html
等
我认为我可以预见到你的核心问题，即许多这些“现成的”问题。方法不会提供最好的拟合 - 因为参数的数量非常大而且（正如你所暗示的）难以分解。
在计算机视觉中，任何形式的模型拟合都是如此，关键的进步与从根本上更好的优化（算法）和表示（数据结构/模型）有关。
所以你可以看一下更多的实验库，而不是上面建立的那些：