changebio / Face2to3D

3D Facial Reconstruction

Face2to3D

3D Facial Reconstruction 资源及相关链接放在material文件夹

代码放在sources文件夹

自己代码可以在try文件夹中以自己的名字命名一个文件夹

重要信息

jupyter notebook address

http://jupyter-uaitrain-bj2.ucloud.cn:82/ff25f3e5-1b23-43df-b24d-82f963c81ba5/?token=54d44cc6eceb97ba9c6f9ad37beb675273df8ad937c54f19

#Jupyter workflow in remote server after login jupyter
data -> Face2to3D -> try ->your_code_directory
#Terminal workflow in remote server
New -> Terminal
cd /data/data/Face2to3D/try

#conda env in server (base, caffe2, mxnet, tf1.9)
conda activate base # for tensorflow2.0, keras
conda activate caffe2 # for Pytorch, caffe2
conda activate mxnet # for mxnet
conda activate tf1.9 # for tf1.9

How can I use version control to collaborate with other people?

注意事项

1.尽量不要把代码或文件放到data文件夹外。因为可能丢失文件。

2.在try文件夹中的子项目文件夹写和修改代码。尽量不要在sources中修改代码。

3.合作项目代码和资源尽量更新到GitHub，避免大家做重复工作。

4.记着自己打开的Jupyter Notebook和terminal，避免误会其他人的。（Jupyter Notebook命名规则：名字简写_其他，如 hy_3ddfa.ipynb

State-of-Art Models Code

2DASL

3DDFA

Offical Website with Code and Data

PRNet

pytorch version TF training code

Nonlinear 3DMM

VRN

项目说明

吾日三省吾身：白否？富否？美否？ 我们将利用三维人脸重建技术，更好地“审视”自己。三维人脸重建是3D计算机视觉中的重要部分，可以广泛应用于三维人脸识别、辅助医疗、个性化3D打印、影视特效、虚拟现实等领域。传统三维人脸重建技术需要根据多视图估计相机运动，并计算每张图像的深度图，需要消耗大量时间及计算资源。利用深度摄像头可以更快速获取图像的深度，在一定程度上减少重建时间，然而对于普通摄像头而言，如何快速重建出三维人脸模型？近年来，随着深度学习技术的发展，从视频中快速重建出三维人脸模型已经变得可能。看腻了二维人脸图像，不妨来挑战一下更高级的3D人脸建模。 本课题涉及：人脸检测；人脸特征点定位；亚洲人脸模型构建；人脸重建。

Latest Network Architecture and Performance Comparison

数据

3D Morphable Model (3DMM)

• Basel Face Model (BFM)

  • BFM2009 (53490vertices) 网盘 n4we
  • BFM2017 (53149vertices)

• Surrey Face Model (SFM)

  • SFM1724
  • SFM3448
  • SFM16759 (No texture)
  • SFM29587 (No texture)

• Large scale Face Model (LSFM)

计划

小组

建议

Tools

common git command

git status
git add .
git commit -m "xxxxxx"

#pull and push code from GitHub
git pull #equal to git fetch; git merge
git push

basic markdown format

https://help.github.com/en/articles/basic-writing-and-formatting-syntax