人脸目标的三维重建技术一直是计算机视觉相关研究中的核心的部分之一,也是目前学术界关注的焦点。因为其广泛的应用前景以及其中蕴含的巨大商业价值而被广泛关注,例如医疗、教育、影视和游戏等行业中。当前对人脸进行三维重建的方法主要依赖于高昂价格的高精度设备进行采集,流程消耗大量的人力物力和时间成本。而基于单张照片进行人脸三维重建得益于近年来深度学习相关算法的软硬件发展逐渐取得了较大的进展。本文研究了现有的单张照片进行人脸重建的算法,结合了卷积神经网络,提出了改进过后的端到端人脸三维重建方法和对三维人脸模型进行审美评价的网络模型。本文的重要工作如下:首先,本文立足于基于单张人脸而进行三维重建的算法研究,提出改进过的端到端的网络结构在现有数据集上得到了良好的效果。方法绕过了传统单张照片进行三维重建工作中的3DMM模型拟合的办法,更加直接的通过三维体素的表达方式来进行人脸的三维表示。方法先用端到端沙漏网络结构来对人脸图片中的关键点进行提取,随后网络接收单张人脸照片和对应图片的已经标注准备的Heatmaps作为输入,端到端生成对应人脸的三维体素表示,改进过后的网络取得的更好的效果。随后,通过研究计算机审美的发展,研究了几种常见的传统计算机进行审美评价方法和基于深度学习审美方法。通过借鉴对二维图像进行审美方法,提出一个端到端的对三维人脸体素模型进行审美评价的网络,因为缺乏相关三维人脸相关数据集进行训练,本文通过对一个二维人脸的美学评分数据库进行三维重建增强,最终在强化过后的数据集上进行训练并进行测试检验,取得了不错的效果。最后,将本文两个网络结合组成端到端的对单张人脸图像进行三维重建并输出审美评价分布的网络,举例说了对于任何不受约束的人脸照片的输出效果并对多张图片或是视频流信息中多张人脸进行处理的方法进行说明,证实了网络的可用性。