半耦合人脸重建 SCDL ==== Source codes for CVPR12 Paper on semi-coupled dictionary learning

弱监督学习的精确3D人脸重建：从单个图像到图像集 回购协议Pytorch版本。 此存储库仅包含重建部分，因此您可以使用库来训练网络。 而预训练模式也从这个。 特征 神经网络 我使用mtcnn裁剪原始图像并检测5个地标。 的大多数代码来自 。 pytorc3d 在此，我使用渲染重建的图像。 估计内在参数 在原点回购（ ），则渲染的图像是不一样的，因为输入图像preprocess 。 因此，我添加了estimate_intrinsic以获取内部参数。 例子： 这里有些例子： 原始图片 裁剪图像 渲染图像 文件架构 ├─BFM same as Deep3DFaceReconstruction ├─dataset storing the corpped images │ └─Vladimir_Putin ├─examples

介绍了目前主要的几种利用立体视觉技术进行三位人脸重建的方法，将几种方法进行比较分析，选出了本文使用的三位人脸重建的方案，并对于利用特征点重建人脸给出了具体的思路和算法。

提岀了一种多阶段优化的方法来解决基于多视角图片在未知姿态、表情以及光照条件下的高精度三维人脸重建问题。首先，通过重新渲染合成的方法将参数化模型拟合到输入的多视角图片，然后在纹理域上求解一个光流问题来获取不同视角之间的对应关系。通过对应关系可以恢复出人脸的点云，并利用基于明暗恢复几何的方法来恢复人脸细节。在真实数据以及合成数据下的实验结果表明，文中方法能够恢复出带有几何细节的高精度的三维人脸模型，并且提高了现有方法的重建精度。

行业分类-物理装置-一种基于单张图像的三维人脸重建方法.zip

行业分类-物理装置-三维人脸重建网络训练及虚拟人脸形象生成方法和装置.zip

3D人脸重建 RVN（win下），由VRN-Keras-master下的vrn-unguided-keras.h5改编而来，而且并没有完全达到 python 下的效果，算抛砖引玉吧。

采用3DMM模型，利用人脸68个特征点实现人脸三维重建。 3DMM是一种较为基础的三维人脸统计模型，最早被提出是用于解决从二维人脸图像恢复三维形状的问题。在3DMM方法发展的二十年来，各位学者对其进行了数据扩展和深入研究，又由于神经网络广泛使用，使得3DMM参数优化得到简化，基于3DMM方法的三维重建文章层出不穷。但此类方法基于一组人脸形状和纹理的统计模型来表示任意一张人脸，仍然存在重建人脸判别性较差，参数求解难的问题，目前也是学术界研究的重点方向。

上次上传的版本没有附带DLL所以有些人无法运行，这次把DLL也附带上来了，可以运行了，这只是一个演示程序，供大家玩乐。图片要求：正面，光照均匀，无遮挡。

三维人脸重建 本文提出了一种基于立体的三维人脸重建方法。该算法基于不同视角下的图像对，对人脸进行深度估计。然后，通过部署深度信息生成面的表面网格。为了提高深度估计的精度，利用了人脸的特征。