踩坑第某人

@我埃突破美如画 作者建立了一个对应关系，从模型输出的6W多点云中找到68个点所在的索引号，然后从中取出。至于这个索引号怎么建立的，个人认为，对于一个标准人脸如112x112大小的无倾斜无旋转，理论上68个点在图像中的坐标位置应该是固定的，从3D点云中找到与该位置最接近的点的索引，即可表示二者的索引关系。当然还有另一种可能，3D点云是在这68点基础上的扩充，那么根据扩充方案，68点的索引自然能确定。

人脸对齐算法PRNet-（Joint 3D Face Reconstruction and Dense Alignment with Position Map Regression Network）

摘要 cvpr2018上交作品，采用encoder-decoder的网络模式，可以端到端地实现由单张RGB人脸图像进行3D人脸重构和密集人脸对齐的联合任务。采用300W-LP...

踩坑第某人

24282 27 10

踩坑第某人

@destiny_fcc5 这个没有明确答案吧，得看任务具体需求和数据量。一般来讲，数据不是特别多的话，没必要用太深的resnet50，常规的vgg足够了，当数据分布不均衡或样本差异较大时，可能resnet更好吧。

人脸对齐算法DAN--Deep Alignment Network: A convolutional neural network for robust face alignment

摘要 cvpr2017 作品, 是级联形状回归(Cascaded Shape Regressor)人脸对齐框架的CNN实现。算法级联了多级回归器，每一级的输出是相对于上一级...

踩坑第某人

4783 3 5

踩坑第某人

@JY111_ 不好意思回复晚了。uv图就只是用来表示关键点的坐标值而已，不需要什么语义吧。简单来说，就是要回归N个3D点的坐标，那么输出层可以是Nx3的一个matrix（N远大于> 3），作者只是巧妙地将其reshape成了一个sqrt(N)xsqr(N) x 3 的一个多channel matrix。
有了N个关键点，后续的对齐就比较简单，；例如可从中选取5个keypoint（左眼右眼，鼻子，左嘴角右嘴角）然后通过放射变换进行对齐。论文只是定位到keypoint为止，并未提供新的对齐方式

人脸对齐算法PRNet-（Joint 3D Face Reconstruction and Dense Alignment with Position Map Regression Network）

摘要 cvpr2018上交作品，采用encoder-decoder的网络模式，可以端到端地实现由单张RGB人脸图像进行3D人脸重构和密集人脸对齐的联合任务。采用300W-LP...

踩坑第某人

24282 27 10

踩坑第某人

我用途mxnet 复现了训练代码，但有个别问题，近期比较忙还没整理好，稍后会放出tensorflow/mxnet的训练代码

人脸对齐算法PRNet-（Joint 3D Face Reconstruction and Dense Alignment with Position Map Regression Network）

摘要 cvpr2018上交作品，采用encoder-decoder的网络模式，可以端到端地实现由单张RGB人脸图像进行3D人脸重构和密集人脸对齐的联合任务。采用300W-LP...

踩坑第某人

24282 27 10

踩坑第某人

@太阳_66fb 3D点云插值与2D类似，但除了值的拟合外(像最近邻插值)，多了点云之间的相互位置关系(3D模型中成为3角曲面，即3个点构成一个三角形，多个这样的三角形构成了曲面)，点云插值应该就是在已有的多个三角形基础上，通过增加一些点改变曲面的三角形构成，详细的查查点云插值【因为这块我也不是特别了解】。matlab中有相关函数

人脸对齐算法PRNet-（Joint 3D Face Reconstruction and Dense Alignment with Position Map Regression Network）

摘要 cvpr2018上交作品，采用encoder-decoder的网络模式，可以端到端地实现由单张RGB人脸图像进行3D人脸重构和密集人脸对齐的联合任务。采用300W-LP...

踩坑第某人

24282 27 10

踩坑第某人

@AaboutL 抱歉回复晚了，PRNet 输入一张任意的2D 人脸图片，输出与之相对应的3D人脸点云，是针对每个人都生成一个独立的模型，但需注意的是，同一个人的不同张人脸2D图像作为输入，输出的3D人脸模型可能不会完全一致

人脸对齐算法PRNet-（Joint 3D Face Reconstruction and Dense Alignment with Position Map Regression Network）

摘要 cvpr2018上交作品，采用encoder-decoder的网络模式，可以端到端地实现由单张RGB人脸图像进行3D人脸重构和密集人脸对齐的联合任务。采用300W-LP...

踩坑第某人

24282 27 10