MeInGame: Create a Game Character Face from a Single Portrait, AAAI 2021
| 文件 | 最后提交记录 | 最后更新时间 |
|---|---|---|
| 5 年前 | ||
| 5 年前 | ||
| 5 年前 | ||
| 5 年前 | ||
| 5 年前 | ||
| 5 年前 | ||
| 5 年前 | ||
| 5 年前 | ||
| 5 年前 | ||
| 5 年前 | ||
| 5 年前 | ||
| 5 年前 | ||
| 5 年前 |
以下内容由 AI 翻译,如有问题请 点此提交 issue 反馈
MeInGame:从单张肖像创建游戏角色脸孔
这是2021年AAAI论文的官方PyTorch实现: J. Lin, Y. Yuan, 和 Z. Zou, 《MeInGame:从单张肖像生成游戏人物脸部》, 人工智能前沿协会(AAAI), 2021。
创建的游戏角色3D展示(点击观看):
[更新]
2021.05.11:RGB 3D 脸部数据集(谷歌驱动器,受密码保护的zip文件)现已可用!请下载并仔细阅读LICENSE AGREEMENT,然后通过电子邮件将签署的许可协议发送至yuanyi@corp.netease.com以获取ZIP文件的密码。
开始使用
需求
- 代码可在Windows和Linux上运行。
- 为了兼容性,我们使用CUDA 10.0,PyTorch 1.4和Tensorflow 1.14。
- Basel Face Model 2009 (BFM09)。
- 表情基(由Guo等人从Facewarehouse转移)。
- PyTorch3D的一个修改版。由于官方版本存在一个广播问题,所以我们使用了修改版。
安装依赖库
pip install torch==1.4.0+cu100 torchvision==0.5.0+cu100 -f https://download.pytorch.org/whl/torch_stable.html
pip install opencv-python fvcore h5py scipy scikit-image dlib face-alignment scikit-learn tensorflow-gpu==1.14.0 gast==0.2.2
pip install "git+https://github.com/Agent-INF/pytorch3d.git@3dface"
使用预训练网络测试
- 克隆仓库
git clone https://github.com/FuxiCV/MeInGame
cd MeInGame
- 按照Deep3DFaceReconstruction中的说明准备Basel Face Model,并重命名如下文件:
Deep3DFaceReconstruction/BFM/BFM_model_front.mat -> ./data/models/bfm2009_face.mat
Deep3DFaceReconstruction/BFM/similarity_Lm3D_all.mat -> ./data/models/similarity_Lm3D_all.mat
Deep3DFaceReconstruction/network/FaceReconModel.pb -> ./data/models/FaceReconModel.pb
-
下载预训练模型,将.pth文件放入./checkpoints/celeba_hq_demo子目录,将.pkl文件放入./data/models子目录。
-
运行代码。
python main.py -m test -i demo
# 或者
python main.py -m test -i demo -c
# 如果您没有合适的GPU,它将在CPU上运行。
- ./data/test子目录包含几个测试图像,./results子目录存储它们的重建结果。对于每个输入的测试图像,在运行演示代码后,可以得到以下输出文件:
- "xxx_input.jpg":对齐后的RGB图像,是网络的输入
- "xxx_neu.obj":中性表情重建的3D人脸,可以在MeshLab中查看。
- "xxx_uv.png":obj文件对应的uv图。
使用CelebA-HQ数据集训练
数据准备
- 运行以下命令从野生图像创建训练数据集。
python create_dataset.py
# 您可以修改input_dir为您输入图像的目录。
- 下载我们的RGB 3D 脸部数据集(谷歌驱动器),解压缩后将其放置到./data/dataset/celeba_hq_gt子目录下。 请仔细下载并阅读LICENSE AGREEMENT,并通过电子邮件将签署的许可协议发送至yuanyi@corp.netease.com以获取ZIP文件的密码。注意:应用权限仅对大学或研究机构的研究人员或教员开放,禁止学生或企业实体申请。
训练网络
准备好数据集后,您可以使用以下命令训练网络:
python main.py -m train
引用
如果该模型对您的研究有所帮助,请引用以下论文:
@inproceedings{lin2021meingame, title={MeInGame: Create a Game Character Face from a Single Portrait}, author={Lin, Jiangke and Yuan, Yi and Zou, Zhengxia}, booktitle={Proceedings of the AAAI Conference on Artificial Intelligence}, year={2021} }
