人头重建模型以单张人像图作为输入,基于人脸重建模型HRN ,利用层次化表征实现快速人脸几何、纹理恢复,输出高精度3D人头重建mesh。
模型参数: hair_tex: pipelie参数,可在cofiguratio.jso中修改,或者在pipelie初始化中传入,如: 当hair_tex为False时(默认),将输出光头的纹理,如以上示例; 当hair_tex为True时,将输出带头发的纹理(效果不稳定,取决于输入图像)。 使用方式: 使用范围: 目标场景: 本模型基于pytorch进行训练和推理,在ModelScope框架上,提供输入图片,即可以通过简单的Pipelie调用来使用人头重建模型。 如果你觉得这个该模型对有所帮助,请考虑引用下面的相关的论文:基于HRN的高精度人头重建模型
三维视觉系列模型
HRN人脸重建
文本生成3D头部
模型描述
期望模型使用方式以及适用范围
pipelie(Tasks.head_recostructio, model='damo/cv_HRN_head-recostructio', model_revisio='v0.1', hair_tex=True))
如何使用
代码范例
import os
import cv2
from modelscope.models.cv.face_recostructio.utils import write_obj
from modelscope.outputs import OutputKeys
from modelscope.pipelies import pipelie
from modelscope.utils.costat import Tasks
def save_results(result, save_root):
os.makedirs(save_root, exist_ok=True)
# export obj ad texture
mesh = result[OutputKeys.OUTPUT]['mesh']
texture_map = result[OutputKeys.OUTPUT_IMG]
mesh['texture_map'] = texture_map
write_obj(os.path.joi(save_root, 'head_reco_result.obj'), mesh)
prit(f'Output writte to {os.path.abspath(save_root)}')
head_recostructio = pipelie(Tasks.head_recostructio, model='damo/cv_HRN_head-recostructio', model_revisio='v0.1')
result = head_recostructio('https://modelscope.oss-c-beijig.aliyucs.com/test/images/face_recostructio.jpg')
save_results(result, './head_recostructio_results')
模型局限性以及可能的偏差
训练数据介绍
预处理
后处理
引用
@iproceedigs{lei2023hierarchical,
title={A Hierarchical Represetatio Network for Accurate ad Detailed Face Recostructio from I-The-Wild Images},
author={Lei, Biwe ad Re, Jiaqiag ad Feg, Megyag ad Cui, Miaomiao ad Xie, Xuasog},
booktitle={Proceedigs of the IEEE/CVF Coferece o Computer Visio ad Patter Recogitio},
pages={394--403},
year={2023}
}
点击空白处退出提示
评论