文件名称：realtime-2D到3D人脸：使用深度学习从2D图像重建实时3D人脸
文件大小：1.72MB
文件格式：ZIP
更新时间：2024-02-25 18:48:01
python computer-vision deep-learning pytorch face
实时2D到3D面Kong 介绍 在该项目中，已经使用深度学习使用2D图像建立了能够重建实时3D人脸的基础架构。 给定视频流，我们将使用学习的模型处理每个帧，并使用WebGL Studio平台可视化3D人脸的重建。 该项目的主要目标之一是获得一种中间表示形式，该中间表示形式可以有效地发送面部数据以用于视频会议。 为了获得该表示，已经创建了表示希望考虑的所有可能的3D配置的PCA模型。 为此，已使用AFLW2000-3D数据集并将其与3DDFA库一起处理以获得相应的3D面部点云。 创建模型后，将使用Resnet架构训练神经网络，其中输入数据是用于学习PCA模型的2D图像，输出数据是通过PCA学习
【文件预览】：
realtime-2D-to-3D-faces-master
----.gitignore(56B)
----LICENSE(34KB)
----Train_Model()
--------FileWalker.py(2KB)
--------FacialDataset.py(4KB)
--------TrainModel.py(7KB)
----Readme_Images()
--------Use_Model_Small.png(20KB)
--------Train_Model.png(27KB)
--------Train_Model_Small.png(15KB)
--------3D_Meshes_Generation.png(22KB)
--------3D_Meshes_Generation_Cut_Small.png(17KB)
--------3D_Meshes_Generation_Small.png(12KB)
--------Texture.jpg(58KB)
--------Texture_Small.jpg(9KB)
--------Avatar_Small.png(71KB)
--------3D_Meshes_Generation_Cut.png(23KB)
--------Use_Model.png(36KB)
--------Avatar.png(500KB)
--------Avatar_Moving.gif(880KB)
----README.md(3KB)
----Use_Model()
--------UseModelExample.py(3KB)
--------haarcascade_frontalface_alt2.xml(528KB)