公司研发了ID2Reflectance算法，能够从单张图像生成人脸几何与对应的贴图（diffuse/roughness/specular/normal，并能够直接应用到专业引擎中，与现有CG通用流程相结合，能够直接应用于游戏、元宇宙、数字人等行业。

在本算法中，我们学习了图像空间而不是 UV 空间中的反射率先验，并提出了一个名为 ID2Reflectance 的框架。 我们的框架可以直接估计单个图像的反射率图，同时使用有限的反射率数据进行训练。 我们的主要见解是反射率数据与 RGB 面部共享面部结构，这使得能够从廉价的 RGB 数据中获得富有表现力的面部先验，从而减少对反射率数据的依赖。 我们首先学习面部反射率的高质量先验。 具体来说，我们预训练多域面部特征码本，并设计一种码本融合方法来对齐反射率域和 RGB 域。 然后，我们提出了一个身份条件交换模块，将目标图像中的面部身份注入到预先训练的自动编码器中，以修改源反射图像的身份。 最后，我们缝合多视图交换反射图像以获得可渲染资源。 大量的实验表明，我们的方法表现出出色的泛化能力，并为通用人脸实现了最先进的面部反射率重建结果。

相关论文发表于世界顶级计算机视觉会议CVPR2024中。