合成3Dデータを用いることで，ノイズがない理想的なケースと，ノイズが乗った現実的なケースの両方で傾向評価を可能にした．また，評価には最新の3D再構成手法を用いるのではなく，データごとの既知情報(2D座標や3D座標)を入力として，学習データの顔の線形結合で未知の座標を求めるシンプルな方式を採用することで公正な比較を行った．

各入力データに対して3D再構成をした場合の評価結果は画像のとおり．実験結果から2Dの顔パーツ点のみ(１行目左から1,2番目)では3Dデータ(2行目右から2番目)に近い精度は出すことは難しいことを明らかにした．また，密な2D情報と疎な3D情報(2行目左から1番目)もしくは2視点の密な2D情報(2行目右から3番目)ならば，3Dデータに近い精度が得られることを示した．

近年様々なデータ方式を入力とした3D再構成が取り組まれているが，目標とする精度が視覚的に誤差がないレベルかmm単位の誤差を許容しないレベルかによって，その実現を期待できるデータ方式に違いがあることを示したため．また，密な2D情報と疎な3D情報など，比較的取得が容易なパターンで高精度な3D再構成が可能になるという新しい知見も提示しているため．