文件名称：Joint-3D-Face-Reconstruction-Network
文件大小：6.67MB
文件格式：ZIP
更新时间：2024-06-03 12:07:33
Python
使用位置图回归网络进行联合3D人脸重建和密集对齐 这是PRN的官方python实现。 培训代码将发布（大约两个月后）。 PRN是一种以端到端的方式共同回归密集对齐和3D面部形状的方法。 可以在看到有关Multi-PIE和300VW的更多示例。 主要特点是： 端到端我们的方法可以绕过3DMM拟合直接从单个图像直接回归3D面部结构和密集对齐。 多任务通过回归位置图，可以获得3D几何图形以及语义。 因此，我们可以轻松完成密集对齐，单眼3D人脸重建，姿势估计等任务。 比实时速度更快该方法可以以超过100fps的速度运行（使用GTX 1080）以回归位置图。 健壮性在不受限制的条件下对面部图像进行了测试。 我们的方法对于姿势，照明和遮挡是鲁棒的。 应用领域 基础（纸上评估） 脸部对齐 可见点和不可见点的密集对齐（包括68个关键点）。 点的可见性（1表示可见，0表示不可见）。 3D人脸
【文件预览】：
Joint-3D-Face-Reconstruction-Network-master
----TestImages()
--------4.jpg(21KB)
--------0.jpg(19KB)
--------AFLW2000()
--------3.jpg(12KB)
--------1.jpg(26KB)
--------trump.jpg(29KB)
--------2.jpg(18KB)
--------5.jpg(93KB)
----requirements.txt(44B)
----predictor.py(6KB)
----.travis.yml(1011B)
----LICENSE(1KB)
----utils()
--------estimate_pose.py(2KB)
--------render_app.py(2KB)
--------__init__.py(0B)
--------write.py(3KB)
--------rotate_vertices.py(380B)
--------render.py(15KB)
--------cv_plot.py(3KB)
----Docs()
--------images()
----api.py(7KB)
----README.md(5KB)
----Data()
--------uv-data()
--------net-data()
----run_basics.py(2KB)
----demo.py(7KB)
----demo_texture.py(4KB)