3D人脸：快速、准确、稳定的密集人脸对齐

这项工作扩展了3DDFA，命名为3DDFA_V2，标题为走向快速、准确和稳定的三维密集人脸对齐，被ECCV 2020接受。补充材料在这里。上面的gif展示了跟踪结果的演示，这个repo是3DDFA_V2的正式实现。

与3DDFA相比，3DDFA_V2具有更好的性能和稳定性。此外，3DDFA_V2集成了快速人脸检测器FaceBox，而不是dlib。还包括一个用c++和cython编写的简单3D渲染程序。如果你对这个回购感兴趣，就在这个Google CoLab上试试吧！欢迎收看有价值的问题和PR😄。

请参阅Requirements.txt，在MacOS和Linux平台上进行了测试。请注意，此回购使用Python3。主要依赖于PyTorch、Numpy和openCV-python等。

#在静止图像上运行，四个选项：2D_Sparse、2d_Dense、3D、Deep thpython3 demo.py-f Examples/input/emma.jpg#在Videoospython3 demo_Video.py-f Examples/input/Videos/214.avi#通过`n_next`framespython3 demo_video_scmo.py-f Examples/input/video/214.avi#在视频上流畅运行。

跟踪的实现简单地通过对准来实现。如果头部姿势>；90°或运动过快，对齐可能会失败。使用阈值来巧妙地检查跟踪状态，但它是不稳定的。

您可以参考demo.ipynb或Google CoLab了解在静止图像上运行的逐步教程。

如果您的工作或研究受益于此回购，请引用下面的两个围兜：)。

@inProgress{guo2020ward，title={朝向快速、准确、稳定的3D密集人脸对齐}，作者={郭、建柱、朱向阳、杨洋、范磊、甄黎、斯坦Z}，booktitle={欧洲计算机视觉会议论文集(ECCV)}，年份={2020}}@misc{3ddfa_cleardusk，作者={郭、建柱、朱、翔宇、雷