3D人脸关键点和重构调研

3 篇文章 2 订阅
2 篇文章 0 订阅

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)
    在这里插入图片描述
  • 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.
    在这里插入图片描述
  • 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).
    在这里插入图片描述

二、数据集

序号名称任务数量数据格式备注
1300W-LP关键点/重构60K3DMM参数,2D和3D 68个关键点,MATLAB
2AFLW2000-3D关键点/重构2K3DMM参数,2D和3D 68个关键点,MATLABAFLW数据集前2K张
3Florence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
4AFLW-LFPA关键点3901+129934个关键点AFLW数据集的扩展
5NoW 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
6Stirling-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
13DDFA_V22020pytorch+mac or linux1.35ms/image on CPU+4ms mesh rendering
2RPN2018Tensorflow 1.x + Python 2.7100FPS on GTX1080
3DeFA2017MATLAB
4MNN+OR2020Tensorflow + C++
52DASL2019Pytorch + Matlab
63DDFA2018Pytorch + Matlab + C++0.27x128ms on TITAN X
7DECA2020pytorch120fps on RTX5000
8RingNet2019Tensorlow+python2
9Deng et al.2019Tensorflow50FPS on 1080

四、效果排序

在这里插入图片描述
在这里插入图片描述

  • 2
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值