#372 · 主分类： 计算机视觉
RingNet
2d-3d
3d-data
3d-face-reconstruction
3d-landmarks
3d-mesh
3d-models
benchmark-datasets
computer-vision
deep-learning
face
face-reconstruction
flame
flame-model
morphable-model
python
ringnet
single-image-reconstruction
tensorflow
triplet-loss
从图像中回归3D人脸形状和表情，无需3D监督
项目最后更新：03/24/23
GitHub Stars
884
Forks数量
172
贡献者数量
5
许可证
MIT
收录理由
RingNet 是 CVPR 2019 一篇论文的官方实现，仅凭一张人脸照片就能重建出完整的 3D 头部网格，同时捕捉形状与表情，训练阶段无需任何 3D 标注。仓库自带预训练的 TensorFlow 权重和简洁的演示流程：输入一张大致裁剪的人脸图，即可导出 .obj 网格，还能从原图投影生成纹理，并输出底层的 FLAME 参数。这些参数的价值不止于重建本身——它们能直接对接 VOCA 等角色动画工具，方便你去除表情或将几何体复用为模板。对于从事人脸分析或动画研究的人来说，这是一个被广泛引用的参考实现；不过要注意环境比较老旧（Python 2.7、TensorFlow 1.12），且项目定位偏向推理演示，而非生产级部署。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容，欢迎 联系我们推荐选题或投稿。