2018年4月，針對如何解決所有姿勢範圍内的面部替換，中科院自動化所的研究人員發表了一篇論文，提出了3D實時解決方法。
近日，Github一位作者cleardusk（首頁：https://github.com/cleardusk，目前是中科院自動化所的在讀博士生）将“3D實時換臉”PyTorch實作改進版，每張圖的推理時間隻需0.27毫秒！
這一改進版本幫助Pytorch改進了論文《所有姿态範圍内的面部替換：3D解決方案》中提到的方法。該論文的作者之一是來自中科院自動化所的Xiangyu Zhu，根據其個人首頁上的資訊，他和cleardusk博士期間的導師均是李子青教授，二人可以說是同門師兄弟。
面部對齊使面部模型适合圖像并提取面部像素點的語義，已成為計算機視覺領域中的一個重要主題。此前，大多數算法都是針對中小姿态（偏角小于45度）的面部而設計的，缺乏在高達90度的大幅度姿态中對齊面部的能力，這一論文就是針對所有姿态範圍内的面部替換所提出來的方法。
而此次這位博士生提出的改進版本還增加了一些額外的工作，包括實時教育訓練、教育訓練政策等，而不僅僅是重新實作“3D實時換臉”。更詳細的内容未來将會釋出在相關部落格中，包括一些重要的技術細節。到目前為止，這個改進版本釋出了預訓練第一階段的pytorch模型，其中包括MobileNet-V1結構、訓練資料集和代碼。在GeForce GTX TITAN X上，每張圖像的推理時間約為0.27毫秒（輸入批量為128 的情況下）。
以下是關于ALFW-2000資料集的幾個訓練結果（根據模型phase1_wpdc_vdc.pth.tar進行推斷）：
那麼，改進版能實作哪些應用呢？
首先，它能夠實作面部對齊。
如何入門：要求與用法
如果要着手嘗試改進版，那麼你需要：
● PyTorch >= 0.4.1
● Python >= 3.6 (Numpy, Scipy, Matplotlib)
● Dlib (Dlib用于檢測面部和标志。如果你可以提供面部邊框線和标志，則無需使用Dlib。可選擇性地，你可以使用兩步推理政策而無需初始化這些資料。)
● OpenCV（Python版，用于圖像IO操作。）
# 安裝順序：
sudo pip3 安裝torch torchvision。更多選擇點選：https://pytorch.org
sudo pip3 安裝numpy，scipy，matplotlib
sudo pip3 安裝dlib==19.5.0 # 19.15+ 版本，這可能會導緻與pytorch沖突，大概需要幾分鐘
sudo pip3 安裝opencv-python版
此外，強烈建議使用Python3.6 +而不是舊版，這樣可以實作更好的設計。
接下來具體用法如下：
1、複制下面這個改進版（這可能需要一些時間，因為它有點大）
https://github.com/cleardusk/3DDFA.git或者[email protected]:cleardusk/3DDFA.gitcd 3DDFA
2、使用任意圖像作為輸入，運作main.py：python3 main.py -f samples/test1.jpg
如果你可以在終端中看到這些輸出記錄，就可以成功運作它：
Dump tp samples/test1_0.ply
Dump tp samples/test1_0.mat
Save 68 3d landmarks to samples/test1_0.txt
Dump tp samples/test1_1.ply
Dump tp samples/test1_1.mat
Save 68 3d landmarks to samples/test1_1.txt
Save visualization result to samples/test1_3DDFA.jpg
因為test1.jpg有兩張人臉，是以有兩個mat（存儲密集面頂點，可以通過Matlab渲染）和ply檔案（可以由Meshlab或Microsoft 3D Builder渲染）預測。
結果samples/test1_3DDFA.jpg如下所示：
附加示例：
python3 ./main.py -f samples/emma_input.jpg --box_init=two --dlib_bbox=false
當輸入批量為128 的情況下，MobileNet-V1的推理時間約為34.7毫秒，平均每張圖像的推理時間約為0.27毫秒。
評估與訓練資源
首先，你需要下載下傳壓縮的測試集ALFW和ALFW-2000-3D（下載下傳連結：https://pan.baidu.com/s/1DTVGCG5k0jjjhOc8GcSLOw） ，下載下傳後解壓并将其放在根目錄中。接下來，通過提供訓練的模型路徑來運作基準代碼。我已經在models目錄中提供了四個預先訓練的模型。這些模型在第一階段使用不同的損失進行訓練。由于MobileNet-V1結構的高效率，模型大小約為13M。
在第一階段，不同損失的有效性依次為：WPDC> VDC> PDC，使用VDC來微調WPDC的方法取得了最好的結果，預訓練模型的性能如下所示：
訓練腳本位于training目錄中，相關資源如下：
1、train.configs（217M），連結：
https://pan.baidu.com/s/1ozZVs26-xE49sF7nystrKQ#list/path=%2F，該目錄與3DMM參數和訓練資料集的檔案清單相對應；
2、train_aug_120x120.zip（2.15G），連結：
https://pan.baidu.com/s/19QNGst2E1pRKL7Dtx_L1MA，增強訓練資料集的裁剪圖像；
3、test.data.zip（151M），連結：
https://pan.baidu.com/s/1DTVGCG5k0jjjhOc8GcSLOw，AFLW和ALFW-2000-3D測試集的裁剪圖像；
4、model_refine.mat（160M），連結：
https://pan.baidu.com/s/1VhWYLpnxNBrlBg5_OKTojA，BFM模型
準備好訓練資料集和配置檔案後，進入training目錄并運作bash腳本進行訓練。訓練參數都以bash腳本呈現。
原文釋出時間為：2018-11-25
本文來自雲栖社群合作夥伴新智元，了解相關資訊可以關注“AI_era”。
原文連結：
3D實時換臉又有新進展！中科院博士生提出改進版本，每張圖推理隻需0.27毫秒