RingNet：学习在不进行3D监督的情况下从图像中回归3D人脸形状和表情

【文件属性】：
文件名称：RingNet：学习在不进行3D监督的情况下从图像中回归3D人脸形状和表情
文件大小：12.68MB
文件格式：ZIP
更新时间：2021-02-06 08:45:49
python computer-vision tensorflow flame 3d-models 环网 这是论文学习的官方库，无需借助3D监督即可从图像中回归3D人脸形状和表情。 该项目以前由RingNet推荐。 该代码库由推理代码组成，即使用该代码生成人脸图像，可以生成带有人脸区域的完整头部的3D网格。 有关该方法的更多详细信息，请参阅以下出版物， Learning to Regress 3D Face Shape and Expression from an Image without 3D Supervision Soubhik Sanyal, Timo Bolkart, Haiwen Feng, Michael J. Black CVPR 2019 有关我们现在的基准数据集，3

【文件预览】：
RingNet-master
----dynamic_contour_embedding.py(4KB)
----run_RingNet.py(3KB)
----demo.py(7KB)
----gif()
--------celeba_reconstruction.gif(12.73MB)
----LICENSE(1KB)
----flame_model()
--------FLAME_sample.ply(186KB)
--------flame_static_embedding.pkl(4KB)
--------flame_dynamic_embedding.npy(42KB)
----requirements.txt(172B)
----config_test.py(3KB)
----README.md(6KB)
----util()
--------project_on_mesh.py(2KB)
--------using_flame_parameters.py(2KB)
--------__init__.py(0B)
--------image.py(2KB)
--------renderer.py(8KB)
----smpl_webuser()
--------serialization.py(4KB)
--------__init__.py(7B)
--------posemapper.py(1KB)
--------verts.py(3KB)
--------LICENSE.txt(4KB)
--------lbs.py(3KB)
----input_images()
--------000013.jpg(8KB)
--------000001.jpg(11KB)