DECA复现记录

顺利毕业ws

已于 2024-03-31 18:34:09 修改

阅读量445

点赞数 3

文章标签： python

于 2024-03-31 18:32:37 首次发布

本文链接：https://blog.csdn.net/w2333l/article/details/134243717

版权

一、BFM_to_FLAME复现记录

GitHub - TimoBolkart/BFM_to_FLAME: Convert from Basel Face Model (BFM) to the FLAME head model

conda create --prefix=D:\anaconda3\BtF python=3.7 #创建新环境

按照要求装好环境，col_to_tex.py成功跑通，得到

运行mesh_convert.py，没有成功，缺少psbody-mesh，这个包要到github上下载，而且不支持windows版本：https://github.com/MPI-IS/mesh.git

二、DECA虚拟环境创建

cDECA-基于单张彩色图片进行3d人脸建模 - OpenBayes 从这获取pytorch3d下载地址

建环境正常，运行时报错

通过IDEA成功下载pytorch3d后，成功运行，截图如下所示，但是没有看到任何结果，之后打算在服务器上跑项目了，windows环境太难了。

pytorch3d主要参考博客：Windows下Pytorch3d的安装方法_pytorch3d安装-CSDN博客

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

顺利毕业ws

关注关注

3
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

探索DECA：一款强大的AI对话生成框架

gitblog_00090的博客

03-24

399

探索DECA：一款强大的AI对话生成框架项目地址:https://gitcode.com/YadiraF/DECA 项目简介 DECA 是一个由Yadira F开发的开源项目，它是一个基于Transformer架构的深度学习模型，专注于生成高质量的人类似对话。DECA不仅仅是一个语言模型，它还融入了情感和认知的理解，使得生成的对话更富有人性化，更加生动有趣。技术分析 DECA的核心在于它的设...

DECA pretrained model(deca-model.tar)

10-28

DECA（Detailed Expression Capture and Animation）pretrained model (deca_model.tar)，下载后deca_model.zip是压缩文件，先解压后得到deca_model.tar，这不是压缩文件，可以直接放到项目的data文件夹下使用。

参与评论您还未登录，请先登录后发表或查看评论

DECA的3D人脸重建（3D face reconstruction）

flyfish

12-14

6756

DECA的3D人脸重建（3D face reconstruction） flyfish DECA 全称 Detailed Expression Capture and Animation 论文名字《Learning an Animatable Detailed 3D Face Model from In-The-Wild Images》原始代码下载地址 https://github.com/YadiraF/DECA 整理好源码和模型下载地址链接：https://pan.baidu.com/s/1hlY

FLAME-DECA模型代码修改，指定某个GPU运行

2301_77554343的博客

11-27

255

（可使用export CUDA_VISIBLE_DEVICES=0,1,2,3,4,5,6,7 环境变量用于设置可见的GPU设备列表，以控制哪些GPU设备可以被程序使用。是一个用于设置环境变量的shell命令，可以将一个或多个变量添加到当前shell环境中。，0对应第一块GPU，1对应第二块GPU......修改Model载入参数。

DECA（Detailed Expression Capture and Animation）入门之3D人脸重建Demo

10-31

7323

DECA（Detailed Expression Capture and Animation）是单张图实现3D人脸重建。

探索BFM到FLAME的转换工具：将面部模型提升至新高度

最新发布

gitblog_00096的博客

04-27

507

探索BFM到FLAME的转换工具：将面部模型提升至新高度项目地址:https://gitcode.com/TimoBolkart/BFM_to_FLAME 项目简介 BFM_to_FLAME是一个开源项目，由Timo Bolkart开发，主要目标是将著名的3D面部模型基础框架——3D Basel Face Model (BFM)转换为更为先进的FLAME（Flexible Statistical...

DECA：DECA：详细的表情捕捉和动画

01-31

DECA：详细的表情捕捉和动画输入图像，对齐的重建，具有各种姿势和表情的动画这是DECA的Pytorch官方实施。 DECA从单个输入图像重建具有详细面部几何形状的3D头部模型。可以轻松地对生成的3D头部模型进行动画...

emoca models DECA

04-03

"emoca models DECA" 是一个与数字建模和仿真相关的主题，可能涉及到的是一个名为 "DECA" 的特定模型或工具。在IT行业中，DECA（可能代表Decentralized Control Architecture 或 Decision-Centered Analysis）可能是...

DECA-related assets.zip

04-03

DECA，全称为 Distributive Education Clubs of America，是一个在全球范围内为学生提供商业教育和领导力发展机会的组织。DECA的活动和项目旨在培养学生的创新思维、问题解决能力以及在市场营销、金融、管理等领域的...

DECA FLAME-albedo-from-BFM.npz

10-28

DECA（Detailed Expression Capture and Animation）是一个先进的三维面部表情捕捉和动画系统，它在计算机图形学和游戏开发领域中有着广泛的应用。这个系统允许开发者和艺术家精确地捕捉和重现人类面部的各种微妙...

论文项目复现笔记----Emotion Driven Monocular Face Capture and Animation

j1829634的博客

04-16

5680

深度学习论文项目复现笔记

[ECCV2020]JNR: Joint-based Neural Rig Representation for Compact 3D Face Modeling

wrk226的博客

02-05

370

本文主要目的就是提出了一种新的3D人脸表示方式。之前的3DMM模型，比如BFM和FLAME基本是靠一个个顶点来表示人脸的，而这篇文章着重引入了基于关节（joint）的蒙版（skinning weights）表示方式。其实在FLAME中也有用到关节，即脖子，下颌和双眼，但本文将关节进一步增加到了52个，从而将每个顶点都分配到对应的关节上。这样做的好处主要是可以帮助模型大大的减小参数量，作者说是可以减少10~20倍的参数量，但效果却不降低。作者在本文按照他所设定的拓扑顺序标注了94个样本，并基于此设

3D人脸重建之DECA

年轻即出发，

01-18

1万+

论文：Learning an Animatable Detailed 3D Face Model from In-The-Wild Images Github：https://github.com/YadiraF/DECA 论文提出了基于单张彩色图片进行3d人脸重建的方法DECA(Detailed Expression Capture and Animation) ，在Nvidia Quadro RTX 5000上可以达到120fps。 row 1：原始输入样本数据 row 2：粗糙的形..

DECA代码阅读

Yannie's Blog

07-08

1594

demo_reconstruct.py sys.path.insert(0, os.path.abspath(os.path.join(os.path.dirname(__file__), '..'))) sys.path.insert(0,"/path") 的用法：这样新添加的目录path会优先于其他目录被import检查 os.path.abspath:获取文件绝对路径 os.path.join()函数：连接两个或更多的路径名组件： 1.如果各组件名首字母不包含’/’，则函数会自动加上 2.如果有一

【3d face reconstruction】DECA论文阅读

sinat_41736278的博客

04-01

2055

题目：Learning an Animatable Detailed 3D Face Model from In-The-Wild Images（ACM Trans. Graph. 2021）单位：Max Planck Institution 一、摘要 •提出了一种方法能够回归3D人脸形状并且有特定于个体的随表情变化的细节。 •提出的模型DECA（detailedexpressioncaptureandanimation）能够从由特定于人的细节参数和通用表情参数组成的低维潜在表示中稳健地生...

DECA：基于单张静态图像，进行 3D 人脸建模

AI科技大本营

09-14

3618

作者|神经三羊来源|HyperAI超神经By 超神经内容概要：本文罗列了 3D 人脸建模常用的 3 大方法，以及基于静态图像进行人脸建模的 3 个方法。文末分享了一个 DECA 教程。关键...

CVE-2020-1472复现与完整利用

热门推荐

Shanfenglan's blog

10-10

14万+

CATALOG漏洞原理利用1.修改文件impacket.dcerpc.v5.nrpc2.置空机器账户yukong$密码3.读取administrator密码4.下载目标的sam文件为下一步恢复机器密码做准备5.破解sam文件查看过去的机器密码6.重制密码yukong$机器密码7.查看密码是否恢复成功漏洞原理原理比较复杂，有兴趣的可以看看下面链接上的文章https://www.freebuf.com/articles/system/249860.html 利用 1.修改文件impacket.dcerpc.

前端实习记录 — 代码规范 & 编码惯例 & 性能优化

huiaixing的博客

07-19

2714

红宝石书笔记记录前端实习记录代码规范常见性能优化

deca pytorch

10-03

deca pytorch是一个基于PyTorch深度学习框架的库，用于解决多人姿势估计和三维重建的问题。它可以对一个场景中的多人进行姿势估计，同时还能恢复每个人的三维姿势信息。 deca pytorch的核心算法是基于深度学习的方法，利用神经网络模型来从图像中检测人体关键点，进而实现对人体姿势的估计。使用PyTorch作为深度学习框架，可以方便地搭建、训练和调整模型。对于多人姿势估计，deca pytorch通过建立人体关节点间连接的图结构，并使用图卷积网络来对图进行推理，从而实现对多人姿势的同时估计。这种方法可以高效地处理多人之间相互遮挡和交叉的情况，提供更准确和精细的结果。此外，deca pytorch还提供了对重建的姿势进行三维重建的功能。通过估计人体的三维姿势，可以得到更多准确的姿势信息，例如人体的旋转、尺度等。这对于许多应用场景，如虚拟现实、增强现实和人机交互等都具有重要意义。总结来说，deca pytorch是一个强大的多人姿势估计和三维重建库，利用PyTorch深度学习框架，提供了高效、精确的算法和模型，帮助我们更好地理解和利用人体姿势信息。