-
3D人脸关键点和重构调研
一、3D 人脸任务
- 3D Face Alignment. 从2D图像到3D 关键点回归(例如68个关键点)
- 3D Dense Face Alignment. 从2D图像到3D稠密关键点回归，上万个关键点的人脸模型，例如3DMM模型，将问题转换为对参数的回归.
- 3D face reconstruction. 从一张2D图像中重建出人脸的3D点云模型，即除了形状之外，还要包含每个点的纹理信息(RGB值).
二、数据集
序号 名称 任务 数量 数据格式 备注 1 300W-LP 关键点/重构 60K 3DMM参数，2D和3D 68个关键点，MATLAB 2 AFLW2000-3D 关键点/重构 2K 3DMM参数，2D和3D 68个关键点，MATLAB AFLW数据集前2K张 3 Florence 关键点/重构 2K 视频，不同分辨率、视角和放缩 53个受试者面部扫描 4 AFLW-LFPA 关键点 3901+1299 34个关键点 AFLW数据集的扩展 5 NoW Benchmark 重构 3D重构图，包含120K个顶点(.obj),7个关键点,bbox由npy格式给出 100个受试者, iPhone X获取, 3D面部扫描 6 Stirling-HQ / LQ 重构 Di3D camera system获取,Wavefront obj格式，视频 99个受试者 三、算法
序号 算法 年份 编程语言 训练代码 速度 1 3DDFA_V2 2020 pytorch+mac or linux 无 1.35ms/image on CPU+4ms mesh rendering 2 RPN 2018 Tensorflow 1.x + Python 2.7 无 100FPS on GTX1080 3 DeFA 2017 MATLAB 无 4 MNN+OR 2020 Tensorflow + C++ 无 5 2DASL 2019 Pytorch + Matlab 无 6 3DDFA 2018 Pytorch + Matlab + C++ 是 0.27x128ms on TITAN X 7 DECA 2020 pytorch 无 120fps on RTX5000 8 RingNet 2019 Tensorlow+python2 无 9 Deng et al. 2019 Tensorflow 是 50FPS on 1080 四、效果排序
- 3D Face Alignment. 从2D图像到3D 关键点回归(例如68个关键点)
-
相关阅读:
mybatis防注入
入门C++协程：理解和使用协程的基础知识
JAVA多线程信号量Semaphore
golang的切片使用总结二
C&C++动态内存管理
利用c语言中宏定义及宏替换特性构建自己的log输出
SQL Server教程 - SQL Server介绍
技术分享 | 测试平台开发-前端开发之数据展示与分析
全新彩虹晴天知识付费系统/多功能系统源码/虚拟商城系统
Spark RDD的介绍及创建
- 原文地址：https://blog.csdn.net/mathlxj/article/details/126342060