三维人脸重建是计算机视觉中的一类经典问题。重建出的三维人脸可以应用于人脸识别、虚拟现实、人脸模型设计等诸多场景,故在近年来广受国内外学者关注。然而,大多数现有工作均基于照片实现三维人脸重建,鲜少有人关注到其他模态肖像图的三维重建。本文认为,照片固然能真实地记录人脸当下的状态,但其极易受光照等因素的影响,使得重建出的三维人脸无法如实地反应人脸的某些特征,而草图作为一种人为创作的艺术表现形式,能突出展现人脸上区分度高的个性化特征,具有极高的三维人脸重建研究价值。因此,本文针对基于草图的三维人脸重建任务展开了研究,旨在恢复出带有个性化特征的三维人脸模型。针对草图三维人脸重建领域数据集缺失的问题,本文引入了草图合成技术,以现存的照片三维人脸数据集为基础,通过合成草图得到相互对应的照片、草图、三维人脸数据。此外,本文提出了一种基于照片辅助的草图三维人脸重建技术,设计了一个支持照片与草图协同训练的双路网络。双路网络可以将照片与草图编码到相应的风格空间、内容空间:风格空间编码了图像风格,其与人脸形状无关;内容空间编码了人脸形状,可以从中解码出三维人脸模型。双路网络设计使得草图的三维人脸重建可以利用到照片中蕴含的辅助信息。本文通过对比实验证明了双路网络结构的有效性,与其他方法相比,双路网络能恢复出形状逼真且带有部分细节特征的人脸模型。为了进一步提升人脸模型上个性化特征的重建效果,本文在双路网络的基础上引入了基于线条的特征增强技术。设计了一个两阶段的神经网络:一阶段着眼于整体特征的恢复,利用双路网络恢复出整体、五官轮廓逼真的初始人脸模型;二阶段着眼于细节特征的调整,利用线条指引个性化人脸特征的重建。本文从输入草图中提取能表征人脸个性化特征的线条图,设计了一个能从人脸模型中实时提取线条图的神经网络模块,在此基础上提出了线条损失、深度控制损失来指引网络的训练。实验证明,本文所提出的方法不仅能恢复出逼真的、带有个性化细节特征的人脸模型,而且还支持人脸模型编辑功能,即通过改变线条图来实现人脸模型细节特征的更改。本文针对基于草图的三维人脸重建技术展开了研究,方法可以重建出草图中强调的个性化特征,方法中也通过引入照片改善了草图的三维人脸重建效果,这证明了不同模态肖像图的三维人脸重建可以相互促进,为将多模态学习应用于三维人脸重建领域提供了思路。