本公开提供一种基于多模态融合的人脸预测方法及相关设备。该方法包括：获取带有纹理的3D人脸信息数据，将其划分为点云坐标和纹理图像，并将点云坐标处理成几何特征向量、纹理图像处理成纹理特征向量；将所述几何特征向量与所述纹理特征向量进行平衡处理后两两拼接，得到多个无序词向量；将多个所述无序词向量分别输入到多个预先构建的Transformer融合模型进行融合，得到多个融合特征向量；将多个所述融合特征向量输入至经过预训练的多层感知机进行预测，输出与所述3D人脸信息数据对应的预测结果。本公开提供的一种基于多模态融合的人脸预测方法及相关设备，将点云的空间几何信息与贴图的纹理图像信息融合，有效提高了人脸预测的精度。