此前，中科院自動化所的一篇論文《所有姿態范圍內的面部替換：3D解決方案》引起廣泛關注。近日，中科院的一位博士生對“3D實時換臉”論文PyTorch實現改進版，使得每張圖的推理時間只需0.27毫秒，同時還增加了實時培訓等功能。

2018年4月，針對如何解決所有姿勢范圍內的面部替換，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（主頁：https://github.com/cleardusk，目前是中科院自動化所的在讀博士生）將“3D實時換臉”PyTorch實現改進版，每張圖的推理時間只需0.27毫秒！

這一改進版本幫助Pytorch改進了論文《所有姿態范圍內的面部替換：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，根據其個人主頁上的信息，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適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態（偏角小于45度）的面部而設計的，缺乏在高達90度的大幅度姿態中對齊面部的能力，這一論文就是針對所有姿態范圍內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，包括實時培訓、培訓策略等，而不僅僅是重新實現“3D實時換臉”。更詳細的內容未來將會發布在相關博客中，包括一些重要的技術細節。到目前為止，這個改進版本發布了預訓練第一階段的pytorch模型，其中包括MobileNet-V1結構、訓練數據集和代碼。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數據集的幾個訓練結果（根據模型phase1_wpdc_vdc.pth.tar進行推斷）：

那么，改進版能實現哪些應用呢？

首先，它能夠實現面部對齊。

其次是面部重塑，實現“變臉”！

如何入門：要求與用法

如果要著手嘗試改進版，那么你需要：

PyTorch >= 0.4.1

Python >= 3.6 (Numpy, Scipy, Matplotlib)

Dlib (Dlib用于檢測面部和標志。如果你可以提供面部邊框線和標志，則無需使用Dlib。可選擇性地，你可以使用兩步推理策略而無需初始化這些數據。)

OpenCV（Python版，用于圖像IO操作。）

# 安裝順序：

sudo pip3 安裝torch torchvision。更多選擇點擊：https://pytorch.org

sudo pip3 安裝numpy，scipy，matplotlib

sudo pip3 安裝dlib==19.5.0 # 19.15+ 版本，這可能會導致與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，這樣可以實現更好的設計。

接下來具體用法如下：

1、復制下面這個改進版（這可能需要一些時間，因為它有點大）

https://github.com/cleardusk/3DDFA.git或者git@github.com:cleardusk/3DDFA.gitcd 3DDFA

2、使用任意圖像作為輸入，運行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，就可以成功運行它：

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，因此有兩個mat（存儲密集面頂點，可以通過Matlab渲染）和ply文件（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，你需要下載壓縮的測試集ALFW和ALFW-2000-3D（下載鏈接：https://pan.baidu.com/s/1DTVGCG5k0jjjhOc8GcSLOw） ，下載后解壓并將其放在根目錄中。接下來，通過提供訓練的模型路徑來運行基準代碼。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），鏈接：

https://pan.baidu.com/s/1ozZVs26-xE49sF7nystrKQ#list/path=%2F，該目錄與3DMM參數和訓練數據集的文件列表相對應；

2、train_aug_120x120.zip（2.15G），鏈接：

https://pan.baidu.com/s/19QNGst2E1pRKL7Dtx_L1MA，增強訓練數據集的裁剪圖像；

3、test.data.zip（151M），鏈接：

https://pan.baidu.com/s/1DTVGCG5k0jjjhOc8GcSLOw，AFLW和ALFW-2000-3D測試集的裁剪圖像；

4、model_refine.mat（160M），鏈接：

https://pan.baidu.com/s/1VhWYLpnxNBrlBg5_OKTojA，BFM模型

準備好訓練數據集和配置文件后，進入training目錄并運行bash腳本進行訓練。訓練參數都以bash腳本呈現。