首先回答问题，再阐述偶的观点和举证。3D人脸建模目前的技术虽然能做到辨识度极高，但偶认为还是有非常大的提升空间，真实度极高达到百分之96以上，但会存在一些外在因素，环境因素等会影响到效果，下面就各项基本原理进行一个浅度的分析。希望对大家有所帮助。
“3D建模”通俗来讲就是通过三维制作软件通过虚拟三维空间构建出具有三维数据的模型。3D建模大概可分为：NURBS和多边形网格。 NURBS对要求精细、弹性与复杂的模型有较好的应用，适合量化生产用途 。多边形网格建模是靠拉面方式，适合做效果图与复杂场景动画.综合说来各有长处。
基于模型（linear or bilinear）的方法
优点：重建结果完整，拓扑结构已知（这对于重建之后的应用很重要，如换脸，换表情等）
缺点：重建精度严重依赖所使用模型，而模型的训练对数据的采集及处理要求相当高。
基于多视图或者任何利用视觉信息估计深度的方法（stereo、mvs 、sfs…)
优点：处理的好的话精度可以很高（可能需多种技术辅助）
缺点：结果可能不完整，存在漏洞。拓扑结构不一致，后续应用较困难（具体看应用方向）。
对人脸识别（对人脸识别并不很熟悉）
对有表情和大角度的人脸图像，可进行建模，然后生成中性表情的正脸照，提高识别精度。
还有就是利用3dmm生成大角度下带有各种表情的图像做为训练数据。（data augmentation）
之前做过人脸重建和表情驱动，破解过国内两个巨头的人脸活体检测。最近做人体重建，需对人体姿态、形态、裸体形态等进行估计。所以这次的题目还是很简单，纯粹的最小二乘求解。简单写了几十行c(python应该可以非常短吧）。
根据已有的数据进行重建会有不准的时候，如果和重识别技术结合，在此基础上进行再次校准，可信度应该会更大。（感觉更倾向于解决 人脸识别中人眼看着明显不是一个人，机器却认为是同一个人的问题）
另外如果利用较少样本就可以重建人脸的话，计算力上的需求低，移动端的应用有优势，但是目前人脸识别的技术较难的地方，比如实际生活中遮挡问题，戴口罩、墨镜什么的，应该没有优势。
如有不完善，请留言或者私信，及时会补充。